CSCO AI:肿瘤知识图谱体系的构建历程
最新回答
若つ迷尘ゎ
2026-03-26 11:33:31
CSCO AI肿瘤知识图谱体系的构建历程如下：
前期规划与定位- 聚焦肿瘤领域：海心智惠选择构建肿瘤治疗全病程服务体系的知识图谱。原因在于肿瘤诊疗体系复杂，持续治疗过程跨度长，知识图谱能最大程度发挥作用；且肿瘤诊断和治疗知识更新快，医务人员需紧跟学术前沿，知识图谱可辅助其掌握最新进展。
- 明确构建目标：将所有和肿瘤相关的知识清晰定义出来，建立一个比较全面的肿瘤知识图谱，为后续的智能辅助诊疗决策、院外患者全程管理等临床应用提供基础。
- 确定知识依据：辨别影响临床决策的知识依据是关键。肿瘤治疗是循证医学，需充足证据支撑临床决策行为。每种肿瘤至少有3000个临床治疗决策的高等级临床证据，将这些证据结合构建肿瘤相关诊疗体系和知识体系。
- 构建核心知识体系：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。先考虑基础层面，如什么样的人群、特征、分子分型、基因位点在什么情况下接受什么样治疗能获得更好疗效；再考虑临床运用中扩大的知识体系，如临床治疗方案与患者体质的契合度，患者身体能否承受、基础疾病和既有并发症对治疗选择的影响等。
- 设计对应模型：在明确知识依据后，针对这些知识设计对应的模型，保证知识图谱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。
- 跨学科融合需求：知识图谱搭建过程需要不同专业人员协调配合，是跨界行为。构建者需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，融合理工科和医学知识。
- 攻克融合难点
知识壁垒：掌握知识图谱技术的理工科人员和掌握医学知识的医学人员有各自思维定式，难以进行专业学科对话。
专业知识理解与梳理：对知识进行体系化梳理后才能初步搭建知识图谱，之后在图谱之上进行业务建模，业务应用时又有新的专业临床知识输入，计算机如何运用新知识并在具体患者案例上有效推理和决策是难题。
- 借助外部力量：海心智惠作为中国临床肿瘤学会CSCO的人工智能战略合作伙伴，在学会推动和帮助下，国内头部肿瘤专家花大量时间和精力帮助其技术人员理解临床路径并厘清体系脉络，攻克跨学科融合难题。
- 多场景临床应用
上下级医院互联互通：患者通过APP线上咨询，医生使用CSCO AI作为上下级医院联动工具，带动不同层级医院规范化诊疗。
科研工具：通过真实病例开展临床研究，探索智能决策系统对患者治疗和临床应用的帮助。
质量控制工具：提供的治疗方案建议遵循循证医学，可作为科室、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综合水平。
教学工具：教学医院将其作为住院医生的病例分析学习和考核工具。
综合应用：作为肿瘤患者的治疗决策参考及管理工具，在MDT讨论、医生学习、查房、病例讨论等多场景结合应用，提升整体临床效果。
- 引入个案管理师：依托知识图谱的个案管理服务引入个案管理师角色，在医生和患者之间搭起沟通桥梁。个案管理师协助科室完成日常患者管理工作，跟踪督促患者完成治疗及康复等相关事项，监测并协助医生介入院外不良事件处理，将诊疗管理从院内延伸到院外，使诊疗行为连续化。
- 持续进化认知：海心智惠清醒认知知识图谱以及辅助诊疗系统的能力边界，目前相关尝试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，不会干涉医生判断决策权。同时认为肿瘤诊疗领域未来会进入以患者服务为中心的时代，该体系需在实际使用中不断进化。
热门标签
