基于增强知识图谱细化医学诊断路径
人工智能
2022-04-29 v1
摘要
医学诊断是在给定一组症状和观察结果的情况下，对病人可能患有的疾病做出预测的过程。这需要广泛的专家知识，尤其是在涵盖大量疾病时。此类知识可以编码在知识图谱中——涵盖疾病、症状和诊断路径。由于知识本身及其编码都可能不完整，用额外信息细化知识图谱有助于医生做出更好的预测。同时，对于在医院中的部署，诊断必须是可解释和透明的。在本文中，我们提出了一种在医学知识图谱中使用诊断路径的方法。我们展示了这些图可以使用 RDF2vec 的潜在表示进行细化，而最终诊断仍以可解释的方式做出。通过内在评估和基于专家的评价，我们表明基于嵌入的预测方法有利于用额外的有效条件细化图谱。
引用
@article{arxiv.2204.13329,
title = {Refining Diagnosis Paths for Medical Diagnosis based on an Augmented Knowledge Graph},
author = {Niclas Heilig and Jan Kirchhoff and Florian Stumpe and Joan Plepi and Lucie Flek and Heiko Paulheim},
journal= {arXiv preprint arXiv:2204.13329},
year = {2022}
}
备注
Accepted at the 5th Workshop on Semantic Web solutions for large-scale biomedical data analytics