ChronoMedKG：面向临床推理的时序生物医学知识图谱与基准
摘要
生物医学知识图谱（KGs）将疾病关联视为静态事实，但在临床推理中，时间信息至关重要，例如，3 岁时诊断为某疾病的症状，可能在 13 岁时指向另一个疾病。现有的 KGs 如 PrimeKG、Hetionet 和 iKraph 不编码 finding 在疾病进程中变得临床相关的时机。这限制了其对纵向临床推理和检索增强的有用性。我们介绍 ChronoMedKG，一个时序生物医学知识图谱，包含 460,497 个以证据链接的三元组（筛选自 1300 万原始抽取），覆盖 13,431 个疾病。每个关联都与诊断窗口或发展阶段等时间成分相联系，这些时间成分由 PMID 可追溯的证据和多信号可信度评分支持。该图通过一个疾病自主的多智能体管道构建，其中多个前沿 LLM 独立从 PubMed 和 PMC 文献中提取知识。只有那些由多模型共识支持、经过可信度过滤、以及本体对齐的关系才被保留。ChronoMedKG 在 Orphadata 上达到 92.7% 的一致性，并为 6,250 个疾病（包括 1,657 个 Orphanet 编码的稀有疾病）提供了时序 grounding，这些疾病在 HPOA、Orphadata 和 Phenopackets 中均不存在。我们进一步引入 ChronoTQA，这是一个覆盖八种任务类型（六种时序任务和两种静态控制任务）的基准，附带 12 个补充探针。前沿 LLM 在从静态问题转向时序问题时约失去 30 分；ChronoMedKG 检索拯救了其长尾失败的 47-65%，相对于 HPOA-RAG 的 17-29%。因此，ChronoMedKG 为检索增强的临床系统提供了一个此前缺失的关键时序轴。
引用
@article{arxiv.2605.22734,
title = {ChronoMedKG: A Temporally-Grounded Biomedical Knowledge Graph and Benchmark for Clinical Reasoning},
author = {Md Shamim Ahmed and Farzaneh Firoozbakht and Lukas Galke Poech and Jan Baumbach and Richard Röttger},
journal= {arXiv preprint arXiv:2605.22734},
year = {2026}
}
备注
9 pages main text plus appendices, 8 figures. Dataset and benchmark paper. ChronoMedKG released under CC BY 4.0 and ChronoTQA/code under MIT (Zenodo: 10.5281/zenodo.19697542). Under review