“知識圖譜” （Knowledge Graph）是谷歌在2012年提出的一個(gè)技術(shù)概念，它是語義搜索的一個(gè)應(yīng)用，能夠?qū)⑺阉鹘Y(jié)果進(jìn)行知識系統(tǒng)化，任何一個(gè)關(guān)鍵詞的輸入都能導(dǎo)出完整的知識體系。除了能為用戶進(jìn)行搜索、推薦等具服務(wù)外，知識圖譜在垂直領(lǐng)域的應(yīng)用也在不斷延生和拓展。

其中，來自北京的創(chuàng)業(yè)團(tuán)隊(duì)康夫子正通過構(gòu)建醫(yī)療知識圖譜，打造精準(zhǔn)的人機(jī)對話模型，并推出病歷結(jié)構(gòu)化、臨床決策支持系統(tǒng)和全科機(jī)器人醫(yī)生三項(xiàng)針對醫(yī)療資訊和問診的服務(wù)。

借助AI打造機(jī)器人醫(yī)生，增加醫(yī)療資源供給

“主要是讓計(jì)算機(jī)在閱讀海量的醫(yī)療文獻(xiàn)和電子病歷數(shù)據(jù)后，自動(dòng)學(xué)習(xí)診斷邏輯，并進(jìn)行推理計(jì)算”，康夫子創(chuàng)始人＆CEO張超告訴獵云網(wǎng)，自然語言理解是知識圖譜依托的重要技術(shù)之一，此外，知識圖譜的構(gòu)建還離不開龐大的數(shù)據(jù)支撐，而醫(yī)學(xué)作為一門知識驅(qū)動(dòng)類的學(xué)科，“如果能多維度收集足夠豐富、可靠的數(shù)據(jù)，就能在輔助決策層面發(fā)揮應(yīng)用的價(jià)值”。

病歷結(jié)構(gòu)化方面，由于不同醫(yī)院的數(shù)據(jù)編碼各異、寫法也千差萬別，因此，康夫子需要利用NLP技術(shù)，深度挖掘和分析醫(yī)療文本的信息，將非結(jié)構(gòu)化文本形式的病歷數(shù)據(jù)變成可用于統(tǒng)計(jì)、查詢和分析的結(jié)構(gòu)化數(shù)據(jù)，以便機(jī)器可以準(zhǔn)確完整地“讀懂”病歷。

當(dāng)前，其病歷結(jié)構(gòu)化模塊已經(jīng)在國內(nèi)20多家大三甲醫(yī)院中全院級別使用。

臨床決策支持系統(tǒng)（Clinical Decision Sopport System，簡稱 CDSS）這部分，主要是實(shí)現(xiàn)智能輔助臨床決策，能夠緩解基層醫(yī)生資源不足的問題。臨床對輔助診斷的要求相對比較高，因此對于結(jié)論的可推測性要求非常嚴(yán)格�？捣蜃舆@套基于機(jī)器學(xué)習(xí)、人工智能和NLP的系統(tǒng)，通過對海量病歷進(jìn)行深度挖掘和學(xué)習(xí)，將經(jīng)驗(yàn)豐富的專家經(jīng)驗(yàn)提煉成AI模型算法。

在線體驗(yàn)智能診斷功能（附部分導(dǎo)診步驟）

例如，當(dāng)醫(yī)生填寫完病歷分析患者的病情后，系統(tǒng)會(huì)彈出提醒，給出推薦的治療方案和建議，以降低醫(yī)療風(fēng)險(xiǎn)，避免基層全科醫(yī)生由于經(jīng)驗(yàn)缺乏而可能造成的誤診、漏診的情況。

全科機(jī)器人醫(yī)生則主要承擔(dān)分診導(dǎo)診服務(wù)�；颊咴卺t(yī)院大廳掛號時(shí)，只需在系統(tǒng)中填入姓名、年齡等信息，并輸入相應(yīng)癥狀，“醫(yī)生”就能通過模擬醫(yī)生詢問患者病情，獲取患者病情信息，并基于醫(yī)療知識圖譜，給出疑似疾病、推薦就診科室。

“我們希望能夠?yàn)榛颊咛峁┍容^精準(zhǔn)的回復(fù)和決策，比如咳嗽三天和咳嗽三個(gè)月，患者沒有辦法去判斷具體病情的差異”，張超表示，“全科機(jī)器人醫(yī)生不僅能解決患者不知道掛哪個(gè)科室、盲目就醫(yī)的問題，減輕導(dǎo)診臺人工服務(wù)的壓力，提高服務(wù)效率，還有效地利用了‘候診’的時(shí)間，節(jié)省醫(yī)生寫病歷的時(shí)間，提高診療效率”。

在線體驗(yàn)智能問答功能（附部分問答步驟）

據(jù)悉，康夫子目前已吸收2000多萬本醫(yī)療文獻(xiàn)、超400萬份病例報(bào)告，可在其中提取50％～90％的知識點(diǎn)（根據(jù)內(nèi)容復(fù)雜程度有所差別），知識準(zhǔn)確率超過90％，覆蓋了所有科室約6000種常見疾病。

而這些成績，團(tuán)隊(duì)只花了不到三年的時(shí)間。2015年，張超辭職離開了工作五年的百度，從百度自然語言處理部資深研發(fā)工程師、文本知識挖掘方向負(fù)責(zé)人，轉(zhuǎn)型成為一名創(chuàng)業(yè)者。之后，兩位技術(shù)合伙人，前百度高級研發(fā)工程師張沖和前百度NLP高級研發(fā)工程師栗曉華也陸續(xù)加入。

辭職百度轉(zhuǎn)型創(chuàng)業(yè)，利用AI將醫(yī)生從繁雜的勞動(dòng)中解放出來

創(chuàng)業(yè)初始，團(tuán)隊(duì)瞄準(zhǔn)的是做孕婦飲食營養(yǎng)的健康分析和食譜推薦——根據(jù)孕婦的飲食情況，基于構(gòu)建孕婦人群知識圖譜，提出合理健康的飲食建議。

但由于這個(gè)項(xiàng)目的剛需不強(qiáng)，AI技術(shù)的發(fā)揮空間有限，因此半年后，康夫子決定進(jìn)行項(xiàng)目轉(zhuǎn)型。此時(shí)，基于多年的行業(yè)積累和體驗(yàn)，張超發(fā)現(xiàn)，在網(wǎng)站搜索上，醫(yī)療健康類的問題常常會(huì)出現(xiàn)很多答案，但回復(fù)卻并不精確，同一種癥狀甚至?xí)�有十幾個(gè)可能出現(xiàn)的病癥結(jié)果，用戶體驗(yàn)并不好。

根據(jù)癥狀、診斷、治療三個(gè)維度中的一種或多種組合推薦相似病例

最終，團(tuán)隊(duì)決定基于此前的技術(shù)積累，通過“AI＋數(shù)據(jù)”的模式賦能醫(yī)療健康領(lǐng)域，從醫(yī)院端（效率）和患者端（體驗(yàn)）提升醫(yī)療行業(yè)效率。張超表示，短期內(nèi)將收取一定的服務(wù)費(fèi)，長期則是通過增值服務(wù)去變現(xiàn)，比如撮合交易，幫助患者做健康管理、預(yù)警等。

鑒于醫(yī)療行業(yè)本身的特質(zhì)，技術(shù)能力和行業(yè)資源必須兼?zhèn)�，對此，張超表示，“我們并不直接接觸B端，而是和專業(yè)的機(jī)構(gòu)合作，基于他們搜集的數(shù)據(jù)，我們再在這些經(jīng)過脫敏的數(shù)據(jù)的基礎(chǔ)上進(jìn)行整理。在這個(gè)過程中，新的合作伙伴也會(huì)不斷找過來”。

近日，康夫子就與國內(nèi)領(lǐng)先的云計(jì)算識別領(lǐng)導(dǎo)廠商浪潮集團(tuán)有限公司（以下簡稱浪潮）、山東健康醫(yī)療大數(shù)據(jù)有限公司（以下簡稱山東健康醫(yī)療）達(dá)成戰(zhàn)略合作，依托山東健康醫(yī)療的數(shù)據(jù)資源，以及浪潮在全國范圍內(nèi)的“浪潮健康醫(yī)療大數(shù)據(jù)云平臺”，結(jié)合康夫子在醫(yī)療數(shù)據(jù)治理、AI技術(shù)等方面的積累，推進(jìn)智慧醫(yī)療的落地。

對于所有“AI＋”項(xiàng)目來說，只有理解了行業(yè)和場景，才能真正智能化。接下來，康夫子還將圍繞康復(fù)、隨訪等場景進(jìn)行遠(yuǎn)程醫(yī)療健康管理。

2010年，張超研究生畢業(yè)后就拿到了百度的offer，盡管也是在做自然語言處理相關(guān)的業(yè)務(wù)，但概念并不像今天這樣為人所知。

對比AI浪潮帶來的行業(yè)泡沫，他笑稱，“當(dāng)年我們在百度做自然語言處理，很多人不懂，我們就說我們是做搜索的；今天，我們說我們是做自然語言處理的，人們會(huì)問，你們具體是做那一塊，很顯然，認(rèn)知層面發(fā)生了很大的改變”。

而對于AI近幾年的過熱、無序甚至失衡的泡沫現(xiàn)象，以及行業(yè)人才薪酬水漲船高，張超保持開放的態(tài)度，他認(rèn)為，當(dāng)前AI行業(yè)的人才本來就非常少，也還遠(yuǎn)沒有到全民化，團(tuán)隊(duì)能不能吸引人才并不完全指望“泡沫”的破滅，是否具備足夠的前景、團(tuán)隊(duì)實(shí)力以及創(chuàng)始人是否值得信賴。

“泡沫要中立來看，可能會(huì)浪費(fèi)一部分資源，但就像駕駛一艘船出海一樣，風(fēng)大可能吹翻船只，但有風(fēng)才能遠(yuǎn)航，這些都是客觀存在的因素，并不是導(dǎo)致項(xiàng)目走不下去的理由”。