近日，CCF YOCSEF深圳在深圳市哈爾濱工業(yè)大學(xué)（深圳）信息樓（L棟）舉辦了為期一天的深度技術(shù)論壇，主題為“醫(yī)療知識(shí)圖譜的未來發(fā)展方向”。知識(shí)圖譜領(lǐng)域經(jīng)過十幾年的發(fā)展，雖然有不錯(cuò)的成果和應(yīng)用，但具體到醫(yī)藥領(lǐng)域，應(yīng)用落地過程中實(shí)際問題直接解決率不高，可替代人工場景有限，那么未來醫(yī)療知識(shí)圖譜這條路到底應(yīng)該怎么走？需要重點(diǎn)關(guān)注和擴(kuò)展哪些能力？近年來，各種大規(guī)模預(yù)訓(xùn)練語言模型不斷推出，例如去年11月份ChatGPT的驚艷亮相，再到今年3月份GPT4.0和文心一言的相繼問世，在醫(yī)療領(lǐng)域未有報(bào)道有大規(guī)模知識(shí)圖譜支撐的情況下，它們表現(xiàn)出了“強(qiáng)大”的能力和“尚未見頂”的潛力，那么醫(yī)療知識(shí)圖譜是否還有存在的必要？如果仍必不可少，醫(yī)療知識(shí)圖譜又怎么和這些大規(guī)模預(yù)訓(xùn)練模型進(jìn)行有機(jī)結(jié)合，以取得突破？這些問題都值得我們深入思考和討論。
本次論壇邀請了武漢科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院顧進(jìn)廣教授、武漢大學(xué)第二臨床醫(yī)院靳英輝副教授、華東師范大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院王曉玲教授、平安科技倪淵副總工程師、哈爾濱工業(yè)大學(xué)（深圳）陳清才教授、重慶醫(yī)科大學(xué)附屬兒童醫(yī)院趙耀研究員、訊飛醫(yī)療科技股份有限公司高級(jí)產(chǎn)品經(jīng)理程美、浙江大學(xué)黃正行教授、西南交通大學(xué)騰飛副教授、百度高級(jí)研發(fā)工程師王春宇、百度大健康事業(yè)群組產(chǎn)品經(jīng)理章超奇、重慶大學(xué)王洪星副教授、重慶中科云叢科技有限公司高級(jí)算法工程師吳天舒、鵬城實(shí)驗(yàn)室人工智能中心相洋助理研究員、中山大學(xué)附屬第八醫(yī)院病案管理科楊芬主任、騰訊天衍實(shí)驗(yàn)室張子恒高級(jí)研究員、重慶醫(yī)科大學(xué)趙耀研究員、復(fù)旦大學(xué)鐘凡副研究員、南京柯基數(shù)據(jù)CEO吳剛、深圳市眼科醫(yī)院信息科張榮奎主任、湯臣倍健AI營養(yǎng)研究中心產(chǎn)品經(jīng)理龐偉航、深圳市眼科醫(yī)院應(yīng)急辦主任質(zhì)控科曾超高副科長、鵬城實(shí)驗(yàn)室李睿副研究員、浙江數(shù)字醫(yī)療衛(wèi)生技術(shù)研究院數(shù)字醫(yī)學(xué)知識(shí)中心知識(shí)圖譜負(fù)責(zé)人胡冉、南方醫(yī)科大學(xué)衛(wèi)生管理學(xué)院毛燕娜助理研究員等20余位國內(nèi)知名學(xué)者參與深度思辨討論，YOCSEF深圳的張偉鵬、劉洋、漆舒漢等參加了論壇，CCF YOCSEF深圳現(xiàn)任主席、哈爾濱工業(yè)大學(xué)（深圳）湯步洲特聘研究員/副教授和CCF YOCSEF深圳副主席、鵬城實(shí)驗(yàn)室張彤助理研究員擔(dān)任本次論壇執(zhí)行主席。論壇采用“總-分-總”模式，進(jìn)行為期一天的閉門深度研討。
論壇伊始，執(zhí)行主席湯步洲介紹了論壇的舉辦背景及嘉賓信息，并對來自全國各地嘉賓的到來表示感謝和歡迎。湯步洲首先回顧了從上世紀(jì)70年代的專家系統(tǒng)出現(xiàn)知識(shí)庫概念開始到2012年谷歌正式提出知識(shí)圖譜概念之間知識(shí)圖譜的發(fā)展歷程，比較了不同行業(yè)領(lǐng)域知識(shí)圖譜的使用情況。發(fā)現(xiàn)了一個(gè)特別的現(xiàn)象，在知識(shí)密集程度非常高的醫(yī)療領(lǐng)域，知識(shí)圖譜利用率卻很低，啟發(fā)大家思考為什么會(huì)出現(xiàn)這樣的情況？隨后介紹了ChatGPT的三個(gè)核心步驟：（1）在大規(guī)模預(yù)訓(xùn)練語言模型上的有監(jiān)督微調(diào)；（2）訓(xùn)練獎(jiǎng)勵(lì)模型；（3）近端策略優(yōu)化。在這一背景下，他提出一系列問題引起大家思考：醫(yī)療知識(shí)圖譜這條路到底應(yīng)該怎么走？我們是不是不需要做醫(yī)療知識(shí)圖譜這個(gè)研究了？或者說，如果我們要做，要往哪邊做？如果要做的話，醫(yī)療知識(shí)圖譜怎樣和類ChatGPT類模型進(jìn)行結(jié)合，如何能更好地去結(jié)合在一起？尤其是現(xiàn)有醫(yī)療知識(shí)圖譜和將來的醫(yī)療知識(shí)圖譜如何融入到三個(gè)核心步驟中？背景介紹完畢后，向與會(huì)嘉賓發(fā)放了關(guān)于醫(yī)療知識(shí)圖譜未來發(fā)展方向的問卷調(diào)查，從目前醫(yī)療知識(shí)圖譜在哪些落地場景比較好還是不理想？ChatGPT在醫(yī)療領(lǐng)域基礎(chǔ)任務(wù)上效果是好還是壞？ChatGPT在醫(yī)療領(lǐng)域落地不理想的場景是因?yàn)槟男┗A(chǔ)任務(wù)上表現(xiàn)不理想導(dǎo)致的？這幾個(gè)方面開展，問卷結(jié)果作為本次論壇思辨的初始參考資料。本次深度閉門技術(shù)論壇分為三個(gè)階段。第一階段：3月26日上午9:20-10:20，在主會(huì)場進(jìn)行引導(dǎo)發(fā)言和破冰環(huán)節(jié)；第二階段：3月26日上午10:30-12:30，下午14:00-17:30，所有嘉賓分為2個(gè)小組由執(zhí)行主席湯步洲和張彤分別在兩個(gè)分會(huì)場主持分組思辨討論；第三階段：3月26日下午17:30-18:30，在主會(huì)場進(jìn)行匯報(bào)總結(jié)、全體思辨討論以及論壇總結(jié)。
湯步洲主持論壇
第一階段，引導(dǎo)發(fā)言和預(yù)熱環(huán)節(jié)本次論壇邀請了4位引導(dǎo)發(fā)言嘉賓，分別為武漢科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院顧進(jìn)廣教授、武漢大學(xué)第二臨床醫(yī)院靳英輝副教授、華東師范大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院王曉玲教授、平安科技倪淵副總工程師。首先，顧進(jìn)廣教授以“大規(guī)模醫(yī)療知識(shí)圖譜構(gòu)建面臨的挑戰(zhàn)”為題，從可循證的知識(shí)圖譜構(gòu)建、醫(yī)療多模態(tài)知識(shí)圖譜的構(gòu)建、構(gòu)建大規(guī)模知識(shí)圖譜所需的協(xié)作制度和對醫(yī)療知識(shí)圖譜的質(zhì)量評(píng)估四個(gè)方面展開介紹了構(gòu)建大規(guī)模醫(yī)療知識(shí)圖譜可能面臨的挑戰(zhàn)。具體描述如下：- 所謂可循證的知識(shí)圖譜就是要對描述診療過程的知識(shí)能給出可溯源的循證證據(jù)和等級(jí)，為知識(shí)圖譜的利用提供循證解釋，這就需要構(gòu)建循證知識(shí)表達(dá)體系；
- 醫(yī)療天然就是多模態(tài)場景，多模態(tài)數(shù)據(jù)的對齊問題、背景信號(hào)和噪聲問題都給多模態(tài)知識(shí)圖譜構(gòu)建帶來諸多挑戰(zhàn)；
- 大規(guī)模知識(shí)圖譜構(gòu)建未來可能會(huì)依賴“眾包“的方式，復(fù)雜多樣性環(huán)境下的自動(dòng)化眾包模板構(gòu)建流程設(shè)計(jì)，眾包任務(wù)的發(fā)布形式和潛在承包人的能力評(píng)估，醫(yī)療數(shù)據(jù)共享的安全性保障，便捷、交互友好的標(biāo)注系統(tǒng)UI設(shè)計(jì)都是需要重點(diǎn)考慮的問題；
- 醫(yī)療知識(shí)圖譜質(zhì)量評(píng)估體系的建設(shè)是保證醫(yī)療知識(shí)圖譜構(gòu)建過程良性增長的法寶，需要專門設(shè)計(jì)多樣化評(píng)估維度對醫(yī)療知識(shí)圖譜創(chuàng)建、使用和維護(hù)三個(gè)階段分別進(jìn)行針對性評(píng)估。創(chuàng)建階段可能需要重點(diǎn)關(guān)注知識(shí)表示描述能力、知識(shí)可信度、冗余性等；使用階段則可能需要重點(diǎn)關(guān)注知識(shí)的準(zhǔn)確性、可訪問性和易用性等；維護(hù)階段則可能需要重點(diǎn)關(guān)注資源和知識(shí)的動(dòng)態(tài)更新能力。
其次，靳英輝副教授以“醫(yī)療知識(shí)圖譜使用過程中遇到的問題與困境”為題，介紹了其團(tuán)隊(duì)在醫(yī)學(xué)知識(shí)圖譜構(gòu)建方面的相關(guān)研究及取得的標(biāo)志性成果，以及醫(yī)學(xué)知識(shí)圖譜構(gòu)建在宏觀方面和實(shí)踐操作方面存在的問題與困境。靳英輝從醫(yī)學(xué)知識(shí)圖譜構(gòu)建宏觀和實(shí)踐操作兩方面對知識(shí)圖譜在使用過程中遇到的問題與困境做了詳細(xì)闡述。- 從宏觀上看，當(dāng)前醫(yī)學(xué)知識(shí)圖譜構(gòu)建存在數(shù)據(jù)來源廣泛、缺乏統(tǒng)一標(biāo)準(zhǔn)和整合方法、數(shù)據(jù)質(zhì)量和可信度參差不齊、數(shù)據(jù)隱私和安全保障不明確等方面的問題，給醫(yī)療知識(shí)圖譜構(gòu)建帶來了很大的阻礙，也直接影響知識(shí)圖譜的落地應(yīng)用；
- 從實(shí)踐操作看，醫(yī)療知識(shí)圖譜構(gòu)建需要結(jié)合自然語言處理、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、知識(shí)庫和數(shù)據(jù)庫等技術(shù)，對于醫(yī)學(xué)專業(yè)的人員難度較大；醫(yī)療知識(shí)圖譜使用是與臨床決策支持系統(tǒng)是否能深度融合是決定醫(yī)學(xué)知識(shí)圖譜是否有用和好用的金標(biāo)準(zhǔn)之一；此外，僅構(gòu)建大規(guī)模的指南知識(shí)圖譜，就需要大量的醫(yī)學(xué)專業(yè)人員進(jìn)行標(biāo)注，非常耗時(shí)耗力。
隨后，王曉玲教授以“臨床醫(yī)療決策樹—標(biāo)注和自動(dòng)抽取”為題，闡述了診療決策樹（Medical Decision Tree, MDT）抽取面臨的技術(shù)挑戰(zhàn)，并介紹了其團(tuán)隊(duì)所構(gòu)建的TextMDT數(shù)據(jù)集，以及基于此數(shù)據(jù)集開發(fā)的面向癲癇診療的輔助系統(tǒng)。王曉玲認(rèn)為，結(jié)構(gòu)化醫(yī)療知識(shí)可分為醫(yī)學(xué)知識(shí)圖譜（即三元組）和診療決策規(guī)則，可用MDT來描述。以往的MDT構(gòu)建依賴于專家手工標(biāo)注，嚴(yán)重阻礙了大型CDSS的構(gòu)建、維護(hù)和發(fā)展。能否利用信息抽取技術(shù)實(shí)現(xiàn)診療決策規(guī)則的自動(dòng)抽取？她介紹到，MDT抽取面臨著以下挑戰(zhàn)：- MDT在應(yīng)用場景、節(jié)點(diǎn)信息粒度、樹形結(jié)構(gòu)語義上與目前的樹狀結(jié)構(gòu)（數(shù)學(xué)表達(dá)式、依存句法樹）有較大差異；
- 缺乏面向醫(yī)療文本的決策規(guī)則抽取的基準(zhǔn)和技術(shù)，傳統(tǒng)的醫(yī)療信息抽取無法滿足決策規(guī)則抽取，如無法表示關(guān)系和實(shí)體之間的邏輯關(guān)系。
基于以上考慮，王曉玲團(tuán)隊(duì)面向臨床指南，對MDT定義、構(gòu)建過程、統(tǒng)計(jì)結(jié)果、質(zhì)量評(píng)估和評(píng)估方法進(jìn)行了探索，構(gòu)建了TextMDT數(shù)據(jù)集，基于該數(shù)據(jù)集，在中國健康信息處理大會(huì)CHIP 2022上組織了關(guān)于MDT自動(dòng)抽取的公開評(píng)測，吸引了衛(wèi)寧健康、科大訊飛、北京醫(yī)鳴等業(yè)界/學(xué)術(shù)界隊(duì)伍的參與。目前，該數(shù)據(jù)集被納入天池CBLUE基準(zhǔn)數(shù)據(jù)集中。利用自然語言處理技術(shù)（Natural Language Processing）技術(shù)自動(dòng)抽取MDT，并將MDT應(yīng)用到面向癲癇診療的輔助系統(tǒng)中，驗(yàn)證了MDT的有效性和MDT自動(dòng)抽取的可行性。
最后，倪淵博士以“ChatGPT在醫(yī)療領(lǐng)域的若干能力測試”為題，介紹了哈爾濱工業(yè)大學(xué)（深圳）聯(lián)合、平安醫(yī)療科技、百度、騰訊、科大訊飛和南京柯基數(shù)據(jù)對ChatGPT在醫(yī)療領(lǐng)域的若干能力進(jìn)行測試的結(jié)果。從病歷解讀、健康咨詢、分診導(dǎo)診、醫(yī)學(xué)診斷、治療方案推薦、醫(yī)生助手（考試、科研、文獻(xiàn)摘要等）、醫(yī)療信息抽取等方面進(jìn)行了若干示例測試。這些結(jié)果里面可以看出，ChatGPT在大部分測試任務(wù)上表現(xiàn)出較好的性能，交互方式擬人化程度高，但是結(jié)果并不穩(wěn)定，另外在邏輯推理方面還是存在不少問題。在對醫(yī)療知識(shí)要求精度高的場景需要謹(jǐn)慎直接使用。
引導(dǎo)嘉賓發(fā)言結(jié)束后，進(jìn)入了破冰環(huán)節(jié)，所有與會(huì)專家依次發(fā)言，發(fā)言前做簡要自我介紹。從之前下發(fā)的問卷結(jié)果看，大家對“醫(yī)療知識(shí)圖譜在哪些落地場景比較好還是不理想？ChatGPT在醫(yī)療領(lǐng)域基礎(chǔ)任務(wù)上效果是好還是壞？ChatGPT在醫(yī)療領(lǐng)域落地不理想的場景是因?yàn)槟男┗A(chǔ)任務(wù)上表現(xiàn)不理想導(dǎo)致的？”等問題的答案存在較大分歧，從側(cè)面反映出領(lǐng)域?qū)＜覀儗︶t(yī)療知識(shí)圖譜的認(rèn)知和期望明顯不一致。根據(jù)問卷的結(jié)果，與會(huì)嘉賓重點(diǎn)圍繞“目前醫(yī)療知識(shí)圖譜落地比較好的場景有哪些？落地不太理想的場景有哪些？ChatGPT在醫(yī)療領(lǐng)域效果不好的部分主要原因是什么？知識(shí)圖譜是否可以補(bǔ)位？”等話題，嘉賓們從各個(gè)不同的方面展開了深入探討，現(xiàn)場討論十分激烈。破冰環(huán)節(jié)結(jié)束后，執(zhí)行主席介紹本次論壇的議題以及分組情況。本次論壇擬定的議題包括“醫(yī)療知識(shí)圖譜急需擴(kuò)展哪些能力？”、“醫(yī)療知識(shí)圖譜與類ChatGPT模型如何有機(jī)結(jié)合？”等。隨后，兩位組長帶領(lǐng)本組嘉賓、本地AC委員以及博士生志愿者進(jìn)入各自分會(huì)場，開展全方位、多角度的深度思辨和討論，會(huì)場氣氛熱烈，情緒高漲，各組嘉賓積極表達(dá)各自觀點(diǎn)，碰撞思維，取得了一些頗具創(chuàng)新的思路和技術(shù)方案。分組討論結(jié)束之后，所有嘉賓回到主會(huì)場。按照分組順序，由各組組長針對下午的小組思辨成果進(jìn)行10分鐘的匯報(bào)與展示，然后全體嘉賓一起針對下午的議題進(jìn)行全體思辨和討論，整個(gè)過程會(huì)場氣氛熱烈。論壇最后，執(zhí)行主席湯步洲和張彤對本次論壇進(jìn)行總結(jié)，首先對與會(huì)嘉賓的到來和支持再一次表示感謝，也對為期一天的思辨的成果給予肯定。本次論壇首先從多個(gè)維度剖析了醫(yī)療知識(shí)圖譜的發(fā)展現(xiàn)狀和面臨的挑戰(zhàn)，并分析了ChatGPT等大規(guī)模預(yù)訓(xùn)練模型在不同醫(yī)療場景下的應(yīng)用表現(xiàn)；基于此，論壇深入探討了醫(yī)療知識(shí)圖譜在能力上還需要擴(kuò)展的能力，以及如何與類ChatGPT模型的有機(jī)結(jié)合；最后，論壇進(jìn)一步研討了醫(yī)療知識(shí)圖譜的未來發(fā)展方向。經(jīng)分組報(bào)告和全體思辨，對本次深度技術(shù)論壇的兩個(gè)關(guān)鍵思辨問題“醫(yī)療知識(shí)圖譜急需擴(kuò)展哪些能力？”和“醫(yī)療知識(shí)圖譜與類ChatGPT模型如何有機(jī)結(jié)合？”進(jìn)行了總結(jié)凝練，初步達(dá)成了以下共識(shí)：(1).醫(yī)療知識(shí)圖譜急需擴(kuò)展哪些能力？以三元組為核心的知識(shí)圖譜在推理能力方面嚴(yán)重不足，大大影響了知識(shí)圖譜在醫(yī)療領(lǐng)域的落地，目前僅在查詢、問答、基層電子病歷質(zhì)控等簡單場景應(yīng)用較好，在與臨床決策相關(guān)的應(yīng)用方面表現(xiàn)不佳。需要引起關(guān)注的方面包括以下幾點(diǎn)：a.不同部門（衛(wèi)健委、醫(yī)保局等）發(fā)布的臨床診斷名稱和疾病分類等標(biāo)準(zhǔn)存在很大差別，急需建立這些標(biāo)準(zhǔn)之間的權(quán)威和被普遍采用的映射關(guān)系；b.在三元組的基礎(chǔ)上加入包含MDT，需要高效的決策樹抽取方法，尤其是面向單病種的可靠臨床實(shí)踐指南的決策樹自動(dòng)抽取方法；c.包含MDT的輔助決策系統(tǒng)在一些場景下能體現(xiàn)出很好的效果，需要大規(guī)模推廣和持續(xù)驗(yàn)證；d.利用高質(zhì)量真實(shí)世界數(shù)據(jù)和醫(yī)學(xué)文獻(xiàn)分析為單病種臨床實(shí)踐指南指定提供不同等級(jí)的循證證據(jù)，反饋到醫(yī)療知識(shí)圖譜；e.根據(jù)高質(zhì)量真實(shí)世界數(shù)據(jù)提供的證據(jù)推進(jìn)復(fù)雜場景下的醫(yī)療知識(shí)圖譜的融合，如多個(gè)單病種知識(shí)圖譜融合成共病知識(shí)圖譜等；f.在包含決策樹的醫(yī)療知識(shí)圖譜做臨床輔助決策時(shí)，需要考慮真實(shí)場景下的臨床診療路徑與多個(gè)單病種知識(shí)圖譜的對齊；g.醫(yī)療多模態(tài)知識(shí)圖譜首先需要將不同模態(tài)之間的數(shù)據(jù)與文本對應(yīng)的圖譜建立聯(lián)系，如醫(yī)學(xué)影像可以定義影像相關(guān)的臨床發(fā)現(xiàn)，通過臨床發(fā)現(xiàn)之間的三元組關(guān)系和決策樹實(shí)現(xiàn)臨床輔助決策；h.為增加醫(yī)學(xué)知識(shí)圖譜的使用范圍，需要考慮醫(yī)院管理等相關(guān)場景。(2).醫(yī)療知識(shí)圖譜與類ChatGPT模型如何有機(jī)結(jié)合？a.在醫(yī)療領(lǐng)域，ChatGPT能力的評(píng)估是比較主觀片面的，急需組織對類ChatGPT模型能力的系統(tǒng)定量評(píng)估；b.知識(shí)圖譜對ChatGPT的基座大模型和三個(gè)步驟均能產(chǎn)生有益補(bǔ)充；c.知識(shí)圖譜與大規(guī)模預(yù)訓(xùn)練語言模型已經(jīng)有了較好的結(jié)合方式，如鵬城-百度文心等；
d.有監(jiān)督微調(diào)存在遺忘和沖突問題，如何定位和解決是需要重點(diǎn)關(guān)注的方向；e.直觀上看，決策樹能很好用于COT。一種可能的方式是：直接將決策樹轉(zhuǎn)化成COT，利用對比學(xué)習(xí)訓(xùn)練獎(jiǎng)勵(lì)模型；另一種方式可能的方式是：COT背后有一個(gè)對應(yīng)的決策樹作為隱式支撐，也可以用決策樹來衡量COT獲得的獎(jiǎng)勵(lì)；f.COT到一定規(guī)模后，是否能達(dá)到一個(gè)能力瓶頸有待考證，也是需要重點(diǎn)關(guān)注的。
本次論壇將作為一個(gè)起點(diǎn)，啟發(fā)人工智能、知識(shí)圖譜、大規(guī)模預(yù)訓(xùn)練模型、醫(yī)療等領(lǐng)域的相關(guān)學(xué)者對醫(yī)療知識(shí)圖譜發(fā)展路徑的深度思考，也期待后續(xù)持續(xù)舉辦醫(yī)療知識(shí)圖譜的系列論壇，希望計(jì)算機(jī)各領(lǐng)域的專家學(xué)者通過CCF YOCSEF這個(gè)平臺(tái)發(fā)表真知灼見，共同為我國計(jì)算機(jī)領(lǐng)域的發(fā)展貢獻(xiàn)力量。本次論壇由中國計(jì)算機(jī)學(xué)會(huì)(CCF)主辦，CCF YOCSEF 深圳承辦，并得到了寶德科技集團(tuán)股份有限公司、北京超級(jí)云計(jì)算中心、北京天融信網(wǎng)絡(luò)安全技術(shù)有限公司（深圳）、英特爾（中國）有限公司等的大力支持，感謝參與籌備的YOCSEF深圳全體AC委員與候任AC委員。
雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))
