基于知识推理的医疗应急响应机制研究.docx

基于知识推理的医疗应急响应机制研究 1引 言 近年来，随着经济社会的高度、快速发展，危害公众人身、财产安全的各类突发公共安全事件的发生一直呈上升趋势，给国家安全、社会的稳定和人民的日常生活带来巨大的威胁，严重地阻碍经济健康发展近年来，国内外对于应急响应决策的研究很多。文献医疗行业是一个具有数据密集，知识密集为特征的行业，随着医疗健康大数据的发展，大量的数据资源处于分离、割裂的状态，不利于数据的综合应用，并且大多数突发事件案例库的案例多为“文本”文件，案例文件中对应急程序的概括描述不能有效地传达具体情况下如何应对的信息，存在“数据-信息-知识”转化能力不足的问题。从数据的角度看，医疗应急响应案例存在非结构化或结构化程度不高的现象，不利于对历史突发事件信息的深度处理和应用，也不利于决策支持的有效发挥。本文基于知识图谱(Knowledge Graph, KG)理论对医疗领域的医疗资源、救援车辆、警务、消防等海量和碎片化的社会资源进行整合，使用斯坦福大学的protégé软件建立领域概念关系层次结构,并为概念层次结构添加实例描述，构建一个面向医疗领域突发事件应急响应的知识图谱。并针对现有医疗紧急呼救事件应急响应存在的不足，设计基于案例和基于规则的推理算法，从而构建一个新型的智能应急决策方案生成方法。根据突发事件的发生地点，结合周围环境因素以及呼救人信息，通过分析应急预案和救援资源布局，运用知识推理技术生成符合实际救援需要的资源调配方案，实现基于一张“图”的综合应急，为应急规划和管理人员在短时间内做出最优应急措施提供辅助决策支持。该方法有利于促进多平台应急联动，从而提高突发事件急救效率。2相关知识 2.1本体和知识图谱理论1980年，人工智能领域引入本体(Ontology)来刻画知识。本体是对特定领域之中的概念及概念关系之间的形式化表达，用来表示特定领域中知识概念及其相互之间的关系，达到共享概念模型明确的形式化规范说明2012年，Google公司提出了知识图谱概念。知识图谱本质上是语义网络，用于描述客观世界中存在的实体与实体之间的关系2.2医疗领域应急响应知识推理研究知识图谱是智能医疗的底层核心, 而基于知识图谱的知识推理是医疗应急响应决策过程的基础。知识推理能使信息处理速度更快更全，能够在应急决策时大幅减轻决策人员工作量，提供更周全的决策建议，增强了决策建议的可解释性，是应急响应方案的自动生成的关键。在医学领域，知识图谱是人工智能(AI)辅助医疗系统的基本组成部分，在临床决策支持系统(CDSS)用于诊断和治疗3医疗领域突发事件知识图谱构建本文构建医疗突发事件应急响应知识图谱的知识获取主要包括以下几种：（1）通过网络爬取，从百科以及开放链接数据集中获取知识；（2）从现有的开放中文知识图谱中，获取突发事件知识图谱。并结合《公共安全应急管理突发事件响应要求》、《突发公共卫生事件应急条例》以及领域专家词典规范术语。知识图谱的构建方法主要有自顶向下(Top-Down)和自底向上(Bottom-Up)两种构建方法。自顶向下的方法是指先确定知识图谱的数据模型(定义本体)，再根据数据模型填充具体实例，最终形成知识图谱。自底向上的方法是从实体开始，然后根据实体数据内容来提炼数据模型，形成上层概念，如Google的Knowledge Vault和微软的Satori知识库则是通过此种方法构建。3.1医疗领域应急响应本体模型构建本文主要采用斯坦福大学开发的Protégé软件和七步法来构建医疗领域应急响应本体。本体在Protégé软件中以树形层次显示；Protégé软件拥有多种插件，提供XML、RDF、OWL等多种存储格式（1）明确所要构建的本体领域和范畴，本文构建的是医疗领域应急响应本体。（2）考虑复用现在已有的本体的可能性。通过搜寻OpenKG.CN中由武汉科技大学构建的突发事件知识图谱，其中包括突发事件的类型，发生时间，地点，事件描述，以及突发事件导致的结果，与本文所需构建的知识图谱相似，可复用作为本文的案例知识库。（3）列举领域中的相关术语概念及其可能具有的属性和对应的属性值。医疗应急响应的术语概念包括突发事件等级、危险因素、应急预案、应急处置、应急联动等概念。（4）定义医疗应急响应领域中类和类层次结构，建立本体模型。将第三步中产生的概念进行分类用于描述类属关系，领域概念分类层次可以看成是一棵树形结构，树中节点与领域层次中的类实例一一对应。本文所构建的医疗领域应急响应的本体上位概念框架包括“呼救人”、“医疗资源”、“警务资源”等，其中医疗领域应急响应部分本体概念可视图如图2所示。（5）定义类的属性，描述概念间内在的逻辑关系，本文构建的应急级响应本体的呼救人具有的属性“年龄”、“联系电