让机器人（AI）会思考，要靠“谱”。
这个“谱”被称为知识图谱，是将人类世界中产生的知识，构建在机器世界中，进而形成能够支撑类脑推理的知识库。
3月28日，集成了百万医学概念、千万医学关系、千万医学证据的中文医疗知识图谱正式推出，该知识图谱由平安医疗科技和中国医学科学院医学信息所共同构建。
“在众多的学科中，医学科学的知识图谱建设相对来说是最困难的。”平安集团首席医疗科学家谢国彤解释，举个简单的例子来说，同样是发烧这个临床表现却能够推断出不同的病症，而在医学界同一个疾病也有可能对应不同的疾病名。
此外，医生的诊断习惯不同，也会对相同的疾病给出不同的治疗，却也可能殊途同归。海量的临床案例中存在哪些可以提炼的知识，最终转化为机器所能理解的“思维”，也是构建知识图谱时要考虑的。
医学科学是人类最艰深的科学，中文医疗知识图谱的构建将医学转化为机器语言，通过核心医学概念的全面覆盖、医疗生态圈内全方位知识数据的聚合，最终将赋能智慧城市中智慧医疗一体化平台。
优势互补 实现辅助决策智能化医疗
“医疗知识图谱的构建，首先要将非结构化/半结构化（注：结构化数据为AI可直接利用的数据）的数据表示成知识图谱的形式，其中包括将医学文献知识转变为医疗知识图谱，也包括将海量病例中挖掘的经验知识转变为机器可以理解的表示形式。”谢国彤介绍，平安智慧医疗中文医疗知识图谱包括五大知识库，即药品库、疾病库、处方库、风险因子库和医疗资源库。“我们集纳了海量的知识，并将知识之间建立关联，构建最大的中文医学知识图谱，形成一个完整的知识体系。”
医学大脑，要理解并运用知识，光靠海量的集纳还远远不够，还需要为AI大脑输入“逻辑思维”。为此，科研人员以疾病、症状、用药、问诊等节点，建立起精准的关系结构，从而实现智能化的诊疗知识图谱。中国医学科学院医学信息所创新研究中心主任李姣博士介绍，平安在健康医疗领域拥有大量医学信息学技术落地的场景。本次合作充分发挥出了平安在医疗领域丰富的应用场景，以及信息所在医学知识图谱构建领域的技术专长，使得医疗知识图谱在人工智能应用的可解释性、可循证性、资源可信度上有效提升。
据介绍，医学信息所一直以来都在做医疗领域的知识积淀，并且对医学领域的理解更深刻，在医疗知识上层表达上更加精深。
厚积薄发 AI辅助诊断准确率九成以上
图谱数据量大、数据覆盖面广、数据质量高是知识图谱能够走入临床的基础。中文医疗知识图谱目前基于海量就诊数据、几千万的医学文献和权威临床指南来构建。
基于中文医疗知识图谱，目前已开发出覆盖几千种疾病辅助诊断模型和辅助治疗模型（其中近百种疾病支持个性化用药方案的推荐）。同时还给出不同角度的辅助诊断，包括基于疾病与症状关系辅助诊断；基于疾病与检查检验关系推荐检查检验；基于疾病与药品关系及药物相互作用推荐用药；基于指南、文献以及相似病例推荐医疗证据。
谢国彤介绍，在实践检验中，全科常见疾病的诊断模型准确率达到95%。“平安智慧医疗中文医疗知识图谱已经逐步推开应用，构建针对不同的医疗管理与临床环节，覆盖诊前、诊中、诊后全流程端到端的解决方案。”
知识全面丰富、逻辑明确符实，机器才能真正理解并运用，最终做出智能的决策。在中文医疗知识图谱的基础上，平安医疗科技还赋予该医疗图谱深度学习能力，持续积累有效的治疗案例和数据，并智能分析，让AI不断累积经验，持续学习，类似“老医师”式的成长模式。
据介绍，目前，基于平安智慧医疗中文医疗知识图谱的人工智能辅助诊疗系统已经在近百家医疗机构落地使用，覆盖了黑龙江、甘肃、湖南、河北等17个省份、60多个城市。双方还将持续升级医疗知识图谱并扩大基于知识图谱的应用，助力智慧医疗服务持续健康发展。
落地应用 看眼睛查房颤均能胜任
在临床上，为避免用药或治疗不当，医学界很早就希望能够出现医疗决策的支持系统。加州大学旧金山分校医学院院长罗伯特·瓦赫特在《数字医疗》的书中讲述了医疗信息化的发展历程，最开始由于技术所限，缺乏机器的深度学习功能，海量数据采集、处理无法集纳且无法实时更新等问题，AI助力医疗非常困难。
得益于人工智能技术的发展，数字医疗有望实现。“放到具体的医疗场景下，人机交互体验即是指让系统按照医生的临床思维过程，在医生需要的时候提示需要的信息。”谢国彤表示，基于中文医疗知识图谱，平安医疗科技的智能辅助诊断系统会根据病人的描述来预测可能的疾病，并给出一些确诊疾病相关的检查，用药环节，系统会在此前医生确诊的基础上，自动给出可用药物、剂量、剂型、频次。此外，医生还可以运用机器对一天看过的病历进行汇总、复盘，找出可能存在诊断问题的病历，进一步减少医生的出错率。
以中文医疗知识图谱为基础的AI系统已经落地应用，解决不同学科中医疗服务的“痛点”。
3月19日，工信部、卫健委两部委组团调研“北京同仁医院平安智能眼科项目”。项目开发了智能质控模块、常见眼科疾病智能筛查及辅助诊断模块，深度融合国产品牌眼科成像设备，以平安智慧医疗中文医疗知识图谱为基石，提升系统的智能化水平，建立统一的权威成像参数和读片标准，构建多模态多病种眼科影像云平台，降低眼科误诊、漏诊率，提高眼病整体治疗水平。
北京同仁医院眼科中心主任王宁利教授表示，视力损害中的80%以上是可防可控的慢性疾病，眼科疾病的诊断人才却相对短缺。AI助力眼科疾病防控，用国产多光谱眼底相机、OCT做中国自己的眼科医学AI，使专家下沉变成智慧下沉，为眼科分级诊疗落地提供支持。该项目整合的系统可基于眼底彩照和OCT成像筛查和诊断糖尿病视网膜病变、老年黄斑变性等眼科多个病种。
除了针对海量筛查的“痛点”，针对慢性病的长期综合管理，AI也开始发力。一场有意思的“社区房颤AI管理模式PK传统管理模式”的比赛活动此前在上海举办，比赛项目包括房颤患者的病情评估、患者个体化用药等。结果显示，配备了AI辅助系统的社区全科医生团队平均得分86.2，而没有使用AI辅助系统的团队平均得分51.5。AI能够助力社区医生对房颤患者进行快速准确地病情评估并制定合理的管理决策。
对于房颤患者而言，不仅需要管理房颤疾病本身，如抗凝治疗、导管消融等，更重要的是建立以患者为中心的房颤综合管理，来进一步减少房颤并发症的发生、发展。中山医院全科主任潘志刚表示，智能管理的效果体现在社区医生也有能力管理房颤了，因此房颤患者的整体管理率，规范管理率提高了。