知识图谱的作用（知识图谱的作用是什么）

本篇文章给大家谈谈知识图谱的作用，以及知识图谱的作用是什么对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、基础知识-知识图谱
• 2、什么是知识图谱？有哪些模型？指标？规则？
• 3、知识图谱 在日常生活中的应用
• 4、构建肿瘤知识图谱体系，CSCO AI要突破肿瘤的全治疗周期
• 5、医疗知识图谱是什么？

基础知识-知识图谱

知识图谱的构建形式：

自顶向下：先为知识图谱定义好本体与数据模式，再将实体加入到知识库。

自底向上（常用） ：从一些开放链接数据中提取出实体，选择其中置信度较高的加入到知识库，再构建顶层的本体模式。

（1）语义信息抽取； （2）多元数据集成与验证（知识融合）； （3）知识图谱补全

知识库分类：

开放链接知识库：Freebase、Wikidata、DBpedia、YAGO。包含大量半结构化、非结构化数据。

垂直行业知识库（特定领域）：IMDB（影视）、MusicBrainz（音乐）、ConceptNet（概念）等。

基于规则与词典的方法（为目标实体编写模板，然后进行匹配）：编写大量规则或模板，覆盖领域有限，难以适应新需求

基于统计机器学习的方法（机器学习，训练模型，识别实体）：监督学习算法受训练集限制，准确率和召回率不够理想

（ 召回率：真阳性 / 真阳性 + 假阳性；准确率：真阳性 + 真阴性 / 真阳性 + 假阳性 + 真阴性 + 假阴性 ）

面向开放域的抽取方法（面向海量的Web语料）：通过少量实体实例建立特征模型，再通过它应用于新的数据尘橡集，给新实体做分类与聚类。（迭代扩展）

早期：人工构造语义规则以及模板的方式；

实体间的关系模型代替了早期的人工构造；

面向开放域的信息抽取框架（OIE）：对隐含关系抽取性能低下。

（ 隐含关系抽取：基于马尔科夫逻辑网、基于本体推理的深层隐含关系抽取方法 ）

可以将实体属性的抽取问题转换为关系抽取问题

分布式表示 目的在于用 一个综合的向量来表示实体对象的语义信息 ，这种形式在知识图谱的计算、 补全 、推理等方面起到重要的作用：

1、语义相似度计算：实体间的语义关联程度，为自然语言处理（NLP）等提供了极大的便利

2、

消除异构数据中实体冲突、指向不明等不一致性问题。

（1）待对齐数据分区索引；

（2）利用相似度函数或相似性算法查找匹配实例；

（3）对齐算法（成对实体对齐、全局（局部）集合实体对齐）进行实例融合。

经过实体对齐后得到一系列的基本事实表达，然后事实并不等于知识，它只是知识的基本单位。

本体相当于知识库的模具，使其具有较强的层次结构和较小的冗余程度。

可分为人工构建和数据驱动自动构建。

数据驱动的本体自动构建：

①纵向概念间的并列关系计算：计算两个实体间并列关系的相似度，辨析他们在语义层面是否属于同一个概念。

②实体上下位关系抽取。

③本体生成：对各层次得到的概念进行聚类，并为每一类的实体指定1个或多个公共上位词。

通常是与实体对齐任务一起进行：对知识可信度进行量化，保留置信度较派谈旁高的，舍弃置信度较低的。

主要包括模式层的更新与数据层的更新。

一阶谓词逻辑、描述逻辑以及规则等

（1）一阶谓词逻辑：以命题为基本，命题包含个体（实体）和谓词（属性或关系）。

（2）基于描述逻辑的规则推理：在（1）的基础上发展而来，目的是在知识表示能力与推理复杂度之间追求一种平衡。

（3）通过本体的概念层次推理。

一些算法主要是 利用了关系路径 中的蕴涵信息：

通过图中两个实体间的多步路径来预测它们之间的语义关系，即从源节点开始，在图上根据路径建模算法进行游走，如果能够到达目标节点，则推测源节点和目标节点间存在联系。

（ 关系路径的建模研究仍处于初期阶段，需要进一步探索完成 ）

参考文献：

[1]徐增林,盛泳潘,贺丽荣,王雅芳.知识图谱技术综述[J].电子科侍咐技大学学报,2016,45(04):589-606.

什么是知识图谱？有哪些模型？指标？规则？

“图谱”的时代

知识图谱自从2012年开始发酵，愈演愈烈，行业顶端的佼佼者纷纷发布企业知识图谱应用，知识图谱能为企业实现数据价值。只能说，图技术快速发展，业务需求不论变化与否，知识图谱是不可阻挡的趋势。2020年4月20日，国家发改委明确人工智能 “新基建” 的内涵，体现“重创新、补短板”的特征：助力传统基础设施智能化改造，提高传统基础设计的运行效率。

图1 中国知识图谱效益增长规模——艾瑞咨询

当前的人工智能其实可以简单划分为感知智能（主要集中在对于图片、视频以及语音的能力的探究）和认知智能（ 涉及知识推理、因果分析等）。

人工智能是新基建的重点领域，而知识图谱是认知智能的底层支撑。 知识图谱具有解释数据、推理和规划一系列人类的思考认知能力，基于大规模，关联度高的背景知识。

                                                                              ————《面向人工智能“新基建”的知识图谱行业白皮书》 

我们每天都在用知识图谱

知识图谱应用于各个领域，例如：电商（产品推荐）、医疗（智能诊断）、金融（风控）、证券（投研）。知名企业包括：Google Knowledge Graph、美团大脑、阿里巴巴·藏经阁计划、腾讯云·知识图谱 TKG等。

知识图谱在人工智能多个领域发挥重要作用：语义搜索、智能问答、辅助语言理解、辅助大数据分析、增强机器学习的可解释性、结合图卷积辅助图像分类等。同时，这也意味着技术难度大幅度增加。

知识图谱的价值

您可能会以为知识图就是捕获和管理知识的最终目的。其实，知识图擅长以自上而下的 关系连接方式显式捕获知识 。通过关系节点联系上下游关系，清楚的梳理关系网络。如下图：

图2 普适智能知识中台

高效直观地姿桐刻画目标主体（如企业、事件等）之间地关联网络，从而全维度地对企业进行画像，立体复现主体的真实情况和错综复杂的关系。其强大的互联组织能力和可视化决策推理支持，为企业资产提供底层基础。普适智能一站式“图智能”应用， 拥有打开“百窍”的能力， 具体有以下几方面的思考：

深度链接分析 有机可寻

拿我们最熟悉的金融领域举例，知识图谱常见的实体包括公司、产品、人员、相关事件等，常见的关系包括股权关系、任职关系、供应商关系、上下游关系、竞争关系等等。

这样做的好处就是，通过知识图谱的整合，让原本复杂的数据形成直观易懂的可视化图谱， 在全球经济一体化的趋势下，分析师以及投资机构很可能先人一步观察到竞争格局的改变，为寻找 新客户、新投资机会提供线索。

图3 企业上下游关系网络

多维度属性  顺藤摸瓜

知识图谱的另一个价值是“可以简单地处理多维度数据”。 目前在普适智能帮客户分析超百亿的实体（或节点）和关系（或边缘）。

图4 某股份制商业银行基金产品关系网络截图歼告

“对于实益拥有权，我们经常会看到拥有六，七层或更多层的拥有权阶层，尤其是在像中国这样拥有大型企业的地方。” “人们必须意识到一个拥有可以处理并查询至少六到七层（如果没有更多层）的拿手工具是解决问题的真正核心。”

每个公司、个人、新闻事件都可以是一个“点”，人工智能引擎可将这些点进行聚集，对其中的相关性、相似度以及聚集程度进行多维度分析， 还原真实场景 ，才能 “顺藤摸瓜”。

图5 反欺诈图应用

例如知识图谱在传统的风险管理流程中，多通过对目标主体简单维度的特征进行严格审核，无法判断真实的关联风险。

挑战与机会

普适智能深耕于金融领域，其细分业务场景包含但不氏册明限于：反欺诈、反洗钱、盗刷排查、失联催收、外汇异常监控、信用审核等，举个具体项目中的例子：因图构建本身流程较长，再加上每个场景的图构建相对的独立，给数据反复开发，数据不连通创造了必要条件， 绕不过去的是大量企业资产成本浪费问题。

图6 传统关系网络应用的构建模式

在工程落地方面，还存在图谱建设周期长，应用构建专业程度高，跨行业迁移成本高等难题。由此带来的挑战会体现在—— 产品是否可以开箱即用 。

普适智能中台化思路

为了解决以上问题，普适智能自主研发将知识图谱构建与应用平台升级为一站式的“图智能”中台。

图7 传统关系网络应用的构建模式

一套中台和工厂模式平台的孕育而生，确保各式的场景对图不同形态的需求和保证联合查询需求。“一窍通，百窍通”，一站式“图智能”中台就是“那一窍”，以下：

打通业务场景独立图谱构建 ，减少反复开发周期成本，为传统应用形态赋能，提升服务质量和效率，简单的图应用可以在 1~2天 内实现，复杂的图应用可以在传统做法上缩短到 三分之一 ，加速企业资产的累积；

配合着打通部门数据 ，解决跨部门合作沟通周期长、配合难的问题；

图谱交互友好程度高，可视化决策辅助业务场景，更易发现 隐藏的信息 ；

赋能专家行业专家，将领域专家的行业经验的程序化，留存在平台， 企业知识资产沉淀。

实时可扩充 ，弹性十足

知识图谱中台的价值还在于灵活可扩充，建立实时敏捷、灵活可扩展、具有弹性的数据基础。 金融知识图谱直接反馈金融行业的刚性需求，由于实际中，企业数据和业务变化灵活，数据源、数据结构、数据内容随时会发生变动，对业务的理解以及对数据的解读也随之发生变化。

图8 多维数据扩展查询

如何有效的使用这些数据，需要员工具备专业的金融知识，深刻理解某个数据变动可能引发的关联、传导，知识图谱将是最得心应手的工具。

图技术是 知识图谱应用的最强弹药

企业需要能够快速支持业务中迭代式的新模式。普适智能的“图智能”中台具有计算引擎： 图计算模型、图匹配业务数据模型等， 助力企业完成这一目标。

图规则计算： (例如：与黑名单客户共用一个电话的客户是可疑欺诈客户)

图指标计算： （例如：客户两度关系内黑名单客户的比例）

图机器学习 （以图作为先验知识让特征工程更有效）

社群识别 ：标签预测（黑名单预测/潜在VIP客户预测）

图9 社区分析

最短路径 ：优化加工路径，节约数据加工成本。

图10 路径查询

“工欲善其事,必先利其器” 。普适智能一站式“图智能”应用，为描绘物理世界生产生活行为提供 有效的方法和工具 。Gartner：“图时代已经到来”，让我们一起“图”起来！

知识图谱 在日常生活中的应用

"知识图谱"是一个大数据行业里的词，是一种数据结构，或者说运用数据的方法。说得学术的话，可以这麽解：

知识图谱本质上是语义网络，是一种基于图的数据结构，由节点(Point)和边(Edge)组成。在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲，知识图谱就是把所有不同种类的信息（Heterogeneous Information）漏漏连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。

像看刑侦片时，警察会把犯人和受害者等一堆人物关系列出来一样，知识图谱就是把不同资讯串联起来，形成关系网，从而在关系网中找到所需要的。

查百度，会说百度Google等都在用知识图谱技术，比如你搜"人民的名义"，百度就会在右边给你推荐剧中的人物，点进去就有人物介绍，这个就是"人民的名义"扩展开去的资讯关系网。

对这技术，有一家叫Palantir的美国公司玩得特别出彩，帮美国抓住了本拉登。Palantir的故事可以看这里，里面就说明了标题里说的大数据破案背后的原理。

一个哲皮竖学家，帮中情局找到了本·拉登 by 40秒

刚刚说了，知识图谱就是把不同种类的信息连接在一起而得到的关系网。提供了给我们从“关系”的角度去分析问题的能力。

那麽，对于个人知识的整理，和工作任务，能不能套用这样的方法呢？这正正就是"思维导图"的作用。

思维导图是一个很流行的方法，现在很多童鞋看完一本书，都会用思维导图的把书中内容，按章节重点层层列出，弄得很有条理。

然而用这种方法来做导图，既然是把内容层层列出，其实做出来后，更像是一个目录，而不是一个思维流程或结果。纵使在做图过程中有思考厘清书中原理，也较难做到新旧知识联系。

其实对这种常规的导图做法，"精英日课"的作者 万维纲，和"5分钟商学院"燃搜大的作者 刘润，都持反对的观点。认为这是把导图用错了。

万 的观点是，这种层级分明的归纳方式，完全可用Bullet Point取代。万认为思维导图的用法应是就一个中心思想，自由展开，向外散发，展现其中关系。导图是协助自己思考的一个工具，而不是把资料分门别类放好的书架。很多时候，发挥作用的导图都是像战场一样乱的，因为知识的关系本来就如此错纵复杂。

刘 的观点也类似，刘看重不同工具对思维方式的影响，如一开始做计划时，用word，excel，ppt，白板，什至白板的大小，都会有不同的影响。刘在做项目计划时，最常用的是一块大白板。

万维纲和刘润介绍思维导图的这个文章，能在得到APP找到，各自在他们第一季专栏里。

*彩蛋

再分享一个简单的玩法，一个畅销书作家的小绝招，看实体书的时候，想到什么就直接写在书上（批注），不明显相关的也可。久而久之，就会而且容易串联起不同资讯间的脉络，产生属于自己的图谱来。这个方法也很能帮忙产生创意或顿悟。

电子版的笔记也可以这样玩，像印象笔记，会自动找出你不同笔记间的联系，推荐你可以跳去另一个笔记看看，什或推荐一些和你笔记有关的新闻。

笔者WeChat：Enzo945109

欢迎一起交流心得

文章列表：

痛点，爽点，痒点 有什麽不一样

梁宁产品方法论：规划一个产品，要问自己的7个问题

YY李学宁 做社区用的 - 用户画像

香港物流界Uber- "GoGoVan"的产品方法论

用Raspberry Pi3 ＋Google Voice 自行建造智能助理（待续）

知识图谱与思维导图 - 大数据技术原理在生活中的应用

痛点，爽点，痒点 有什麽不一样

扩展阅读：

对知识图谱学术化的解释可以看：

普惠大数据李文哲：知识图谱的应用

;mid=404872190idx=1sn=734fe72a1c3f57109ec5ecc8bce1591ascene=21#wechat_redirect

一文读懂知识图谱的商业应用进程及技术背景 by 林锦周

解读大数据如何破案，从Palantir看公安大数据应用

即使是AI界“网红” 知识图谱也曾经历40年的生不逢时 by机器之心

金融知识图谱概述

【知识图谱】项目前期产品经理需要做哪些准备？by  Jasmine  hanniman

;mid=2650005805idx=1sn=83f0b7847447940fd44bc16d77b71b3dchksm=bed865ba89afecac57fcb86111e5b863b3085be430bcd6c8a7945be93054d008f30c9dcd0327mpshare=1scene=1srcid=091456iAgf6Iw8UQV8rjluykkey=154a3d8b14f6c0a9bfbaafef16ba06cf3bd88d53ad148d3b8ae9f1c0945f5536d5a29c83b14ee95091061562a901df64d6e58d28a3efe2ec410de6cbdc0eca8a0fd9009dd474f3548effad31071d5241ascene=0uin=MzkyNDYwOTIwdevicetype=iMac+MacBookPro12%2C1+OSX+OSX+10.10.5+build(14F1912)version=12020810nettype=WIFIfontScale=100pass_ticket=Fb8kfLtKI%2BFTk1FG5Aj54xPJZ7fHt%2BLektqAtdL9tiIItgncDlrDf%2FP6hwXPgmb1

[img]

构建肿瘤知识图谱体系，CSCO AI要突破肿瘤的全治疗周期

我国高质量医疗资源缺乏且分布不均。这对于每年400多万新增的肿瘤患者而言，意味着大量的患者很难获得适合他们的医疗服务。医疗资源分布不均，即使在一线城市也要面临医疗机构难以提供持续性的、高标准医疗服务的问题——如何解决诊疗资源的紧缺，以及如何实现全国范围内尽可能多的诊疗规范化的扩展覆盖？这些都是在诊疗领域亟待解决的问题。

技术的发展为我们提供了解决这一痛点的契机。随着人工智能的不断成熟，行业正 探索 通过人工智能技术让机器实现可复制化的服务，让机器实现对每一个患者服务的标准化，且将服务成本降到足够低的规模化的服务能力。这个共性问题正在逐渐得到解决。

CSCO AI就是这样一个解决方案。它是由中国临床肿瘤学会（CSCO）携手国家高新技术企业浙江海心智惠 科技 有限公司（以下简称“海心智惠”）联合开发，结合CSCO临床诊疗指南、专家临床实践经验、肿瘤知识图谱、高等级临床证据、不良反应管理体系等多维度专业领域知识，协助临床敬脊医生制定更规范、更精准的治疗方案。目前，海心智惠已成功建成国内领先的肿瘤智能服务新平台，为患者提供包含诊疗、康复的全病程一站式管理服务。这其中，海心智惠构建出的领先猜稿搭行业的知识图谱能力是一切的基石所在。

知识图谱是Google在2012年提出来的一个知识网络体系概念，简单地说就是将散落的信息通过语义关系连接起来，转化成可视化的知识网络。知识图谱技术可以对医疗数据进行统一建模、组织和管理，不仅能够有效地描述、挖掘医疗知识间的关系，而且也为更高层次的医学应用比如辅助临床诊疗决策、医疗问答等提供了强有力支撑。

有了知识图谱这样一种知识表现方式，该如何穗拿去利用它，就成了摆在海心智惠面前的一道选择题。即便是聚焦到医学领域，去建一个通用医学知识图谱，也只能是把一些疾病的知识、定义梳理整合。“通用医学知识图谱在临床应会有很大的局限性，它只适合去做一些简单的科普、导诊以及初步判断，如果要深入到疾病和临床诊断过程，甚至整个疾病的管理、跟踪、随访的细节里面去，便会遇到各种各样的问题：每种疾病自身的差异和整个临床治疗相关的知识体系延展开来，相互关联又相互影响，使得通用型知识图谱体系在药物选择、后期康复等方面都会遇到困难”，海心智惠创始人李颖赟这样说道。

因此，海心智惠选择用“做深做细”的方式结合人工智能去构建一个肿瘤治疗全病程服务体系的知识图谱，它要将所有和肿瘤相关的知识清晰定义出来，这无疑是知识图谱最完美的应用方向。

“我们在前期花了几年时间把肿瘤从确诊开始到肿瘤进入治疗，再到病人全程管理的知识定义出来，这才把一个比较全面的肿瘤知识图谱建立起来。之所以选择肿瘤这个领域，在于这个疾病的特征是其整个诊疗体系相对其他疾病来讲更加复杂，持续治疗过程时间跨度更长，知识图谱在肿瘤治疗领域能最大程度发挥其作用”，对于为什么选择将知识图谱应用于肿瘤赛道，李颖赟这样解释。

第二个原因则是肿瘤的诊断和治疗的知识每年都在不断更新。随着 科技 的发展，某些疾病已经被完全研究透彻，十年前跟十年后的治疗策略并没有本质差异。相比之下，人类仍然未能完全了解肿瘤的发病原理和机制，其治疗是一个日新月异的发展过程。放眼全球来看，医疗机构对于肿瘤治疗的规范性程度并不算高。医务人员面临非常大的挑战——如何能紧跟国内外的学术前沿发展，并能精准的掌握最新的临床研究进展和治疗方式的扩展，准确地掌握最新的药物和治疗方式，并且运用在最适合的患者身上？“如果一个城市30年都没有修过新路，那么在这个城市中生活的人其实是不需要地图和导航的——因为什么都没有变。但是，如果这个城市飞速发展，‘三年小变样，五年大变样’，那即便是从小就在这个城市中生活的人在出行时或许也需要导航来指引”，李颖赟用一个简单的例子来说明肿瘤治疗的日新月异。

抗肿瘤全身治疗手段在近十年来已经发生了翻天覆地的变化。十年前可能会以化疗为主，但今天，临床已经有了更多的选择：靶向药治疗、免疫治疗、再到最新的CAR-T细胞治疗等，不胜枚举。这也说明了国内一直在努力尝试建立起更加现代化、规范化的诊疗服务体系，能够让肿瘤患者得到最恰当、最规范、最标准和最合适的治疗。

辅助决策系统就是帮助医生实规范化治疗的最佳工具。CSCO AI的智能辅助决策系统在患者通过APP上传各类医疗诊断资料后，AI自动生成诊疗建议报告并提交至高级别专家审核反馈，AI模型又能根据专家审核结果持续得到闭环训练。在这一套运作系统的背后是海心智惠凝聚专家实力打造的肿瘤领域知识图谱与神经支持决策算法的结合。

透过知识图谱全面的知识体系，海心智惠通过CSCO AI除了在智能辅助诊疗方面实现治疗规范化和均质化外，还实现了院外患者全程管理，从而多方共赢——医院提高治疗总生存率，患者提高生存时间、生存质量和治疗依从性，制药企业也通过数据赋能和数字化平台结合，提高了对患者的支持能力，实现精准诊疗，精准康复支持。同时，基于全病程管理的临床新药服务体系为患者精准匹配临床研究，提供给患者一个更多的选择可能性。

以精准病情为依托，建立面向患者全治疗周期的内容服务能力，从用药心智建立、正向经验激励、关键节点的强效服务等多维度手段实现高价值的社群平台。这些都是海心智惠服务的特色。

知识图谱是辅助诊疗决策的基础，高质量的数据和专业的知识体系又是知识图谱的基石，因此如何搭建数据层和知识体系，就成了知识图谱质量高低的关键。

CSCO AI的知识图谱并不是凭空创造的，而是把目前临床专家们正在运用的知识进行有效的计算机结构化沉淀以便于再次运用。这个过程中最重要的就是辨别什么是影响临床决策的知识依据。只有先把这个知识定义清楚之后，才能针对这些知识设计对应的模型。

肿瘤治疗是一种循证医学，必须有充足的证据支撑才能够影响临床决策行为。然而，肿瘤种类繁多且特异性强——每种肿瘤至少具有3000个临床治疗决策的高等级临床证据。将这些证据结合，才能基本将肿瘤相关的诊疗体系和知识体系构建起来。“什么样的人群、特征、分子分型、基因位点、在什么情况下接受什么样治疗，能够获得更好的疗效，这是第一层面基础”，李颖赟说道。

在建立第一层面基础后，接下来就需要考虑临床治疗方案与患者体质的契合度，比如，患者身体是否能够承受，其基础疾病和既有并发症是否会对治疗选择产生影响。这是第二层面表现，即临床运用中扩大的知识体系。

在这个过程中，海心智惠CSCO AI是以病情的整个治疗知识为核心构建单个肿瘤最底层的核心知识体系，然后在临床应用中进一步扩展知识体系的建设。这样既能保证有核心证据的专业度，又能显现临床运用过程中医疗的专业度。

鲜为人知的是，“沟通”是知识图谱搭建过程中的最大难点。知识图谱想要从大数据里边提炼知识和关系，需要有不同专业的人员协调配合。因此，将知识图谱技术运用在特定的业务领域里其实就是一种跨界行为。其难点在于到底由谁来把跨界的知识融合在一起，这是第一个难点。这意味着，肿瘤知识图谱的构建者需要掌握工程算法并了解肿瘤的所有术语定义及基础医学知识。“如何把知识图谱这项技术运用到一个新的业务领域里去，会有一个天然的障碍，叫知识壁垒。掌握知识图谱技术的人是理工科系的，掌握医学知识的则是医学系的，两者都有各自的思维定式，很难进行专业的学科对话”李颖赟对此表示。

第二道壁垒则是对于专业知识的理解和梳理。李颖赟认为，只有对知识进行体系化的梳理后才能进行知识图谱的初步搭建。之后，在这个图谱之上进行业务建模；在业务应用时又有新的专业的临床知识输入。计算机如何去运用这些新知识，如何将新知识放在一个具体的患者案例身上进行有效地推理和决策则是第三道壁垒。

因此，医疗知识图谱的搭建最大的难点在于跨学科融合，融合的难点则在于整个过程对两个学科的要求都比较高。这也正是海心智惠的优势所在——其为中国临床肿瘤学会CSCO的人工智能战略合作伙伴。在学会的推动和帮助下，国内的头部肿瘤专家们基于对于 社会 责任的高度认知，花了大量时间和精力帮助海心智惠的技术人员理解临床路径并厘清体系脉络。CSCO AI是第一个基于中国的诊疗指南和诊疗实践开发出的智能辅助决策产品，是从中国的国情出发的具有中国特色基础的，也因此更契合中国的诊疗应用场景。CSCO AI才能在全国数十个省份数百家医院落地，数万名患者因此获益。

不仅如此，CSCO AI在多场景的应用也能实现其更高的临床价值。比如上下级医院的互联互通——患者通过APP线上咨询，医生通过使用CSCO AI作为上下级医院的联动的工具，带动不同层级医院的规范化诊疗。

CSCO AI也可以是科研工具，通过真实病例开展临床研究，从多个角度 探索 智能决策系统对患者治疗和临床应用的帮助。此外，CSCO AI提供的治疗方案建议遵循循证医学，可以作为科室、医院、医联体、政府等规范化治疗的质量控制工具，提高区域规范化治疗的综合水平。教学医院还可以将CSCO AI作为住院医生的病例分析学习和考核工具。作为肿瘤患者的治疗决策参考及管理工具，CSCO AI也可以同时在MDT讨论、医生学习、查房、病例讨论等多场景结合应用，从而提升整体临床效果。

海心智惠的肿瘤知识图谱的底层虽然很复杂，但在易用性上却有很好的表现。对于患者来说，只需要按照平台给予的提示步骤进行操作即可，完全没有上手难度。对于医生来说，海心智惠这套人工智能驱动的全病程管理系统在患者长期治疗管理过程中，实现了系统跟踪能力、监测能力、随访能力和数据管理能力，最终达到在医生、护士和患者之间的效率平衡。

这套依托于知识图谱的个案管理服务的另一亮点在于引入个案管理师角色，在医生和患者之间搭起沟通桥梁。个案管理师既能协助科室完成日常患者管理工作，又能跟踪督促患者完成治疗及康复等相关事项，还能监测并协助医生介入院外不良事件的处理。有了个案管理师的跟进，对患者的诊疗管理也从院内延伸到了院外，将诊疗行为连续化。

对此李颖赟认为：“肿瘤诊疗这个领域未来一定会进入到一个以患者服务为中心的时代。通过人工智能的帮助，多方角色高效率协同帮助患者完成整个治疗管理服务。当然，这个体系目前没办法一蹴而就，还需要在实际使用中不断进化。”

虽然构建了底层如此复杂的知识图谱，但对于知识图谱以及辅助诊疗系统的能力边界，海心智惠是有清醒认知的。目前，无论是在病理、医学影像、诊疗等领域基于AI技术进行的模型构建、定量分析、特征关联、决策建议、疗效预测等方面的尝试，都只是帮助医生提高诊疗效率、准确率以及预测疗效的能力，赋能医疗行为，并不会干涉到医生的判断决策权。

技术之于医疗，需要常怀敬畏之心。

医疗知识图谱是什么？

首先，知识图谱是2012年由谷歌提出来的，主要是为了提升谷歌搜索引擎的检索精度、准度，提升用户体验，比如你检索“苹果”相应的会在页面上给推荐出“苹果”相关公司、图片、任务等等多种信息，丰富搜索结果。现在知识图谱已经遍布各地，而题主所问的医疗知识图谱就刚好与肆斗搜索引擎如谷歌推出的知识图谱有所区别，如果说谷歌是通用知识图谱，那么像是医疗知识图卜仿谱、或者法律知识图谱就是更加具有针对性的，更加具有专业性质的领域知识图谱，因为在打造领域知识图谱的时候必须需要领域的专家参与构建。比如极天信息曾经与律师团队共同打造法律知识图谱，进一步构建了法律咨询机器人——极小天，去到律所 、街道办等等地方给民众提供法律咨询，有了法律知识图谱，在咨询过程中，就可以进行知识泛化，提升咨询体验，这就实现了法律知识图谱、AI+法律的一个应用场景。而我们也刚好正在与医院合作构建中医领域的知识图谱。

那么人工智能与知识图谱是什么关系呢？简单来说知识图谱就是人工智能的知识体系，人工智能是要模拟或者学习人类的智能行为，要实现真正的智能最主要就是提升机器的认知智能，而语言知识系统就是最重要的了，就如我们人类需要上学、学习专业知识一样，要让人工智能在某个领域去辅助人类，当然也要先让AI掌握这个领域的知识了。

为了尽量通俗易懂，简单回答了一下，希望有所帮助哦，当然如果想型雹纤要了解更多也可以再交流

关于知识图谱的作用和知识图谱的作用是什么的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。