基于雙層建模的知識表達方法在醫學知識庫構建中的應用

張寅升 王 瑞 喬清治 李昊旻 呂旭東 段會龍

1（浙江工商大學管理工程與電子商務學院，杭州 310018）

2（山西大醫院信息處，太原 030032）

3（浙江大學附屬兒童醫院，杭州 310003）

4（浙江大學轉化醫學研究院，杭州 310027）

5（浙江大學生物醫學工程與儀器科學學院，杭州 310027）

基于雙層建模的知識表達方法在醫學知識庫構建中的應用

張寅升1王 瑞2喬清治2李昊旻3，4?呂旭東5段會龍5

1（浙江工商大學管理工程與電子商務學院，杭州 310018）

2（山西大醫院信息處，太原 030032）

3（浙江大學附屬兒童醫院，杭州 310003）

4（浙江大學轉化醫學研究院，杭州 310027）

5（浙江大學生物醫學工程與儀器科學學院，杭州 310027）

醫學知識庫是臨床決策支持系統（CDSS）的重要組成部分。目前部署在醫院內部的CDSS通常針對特定的需求（如合理用藥、輔助診斷），其知識庫所涵蓋的知識種類比較單一。構建一個整合多種不同醫學知識種類的協同知識庫，能夠使得不同類型的知識內容作為一個有機整體提供更加全面和有效的決策支持應用。提出一種基于雙層建模的知識表達方法，首先分析和歸納臨床信息化環境下影響診療決策的各類醫學知識，如診斷知識、治療知識、藥學知識等，并對它們之間的協同關系進行定義，形成認知模型，然后針對特定的知識推理和計算的需求，為每一種知識類型選取具體的知識表達形式，形成最終的計算模型。基于該雙層建模方法所研發的臨床決策支持系統在三甲醫院已運行4年多，實踐表明該系統有效解決不同知識類型的集成和推理的需要，為構建整合和全面的知識應用奠定基礎。

知識表達；知識庫；臨床決策支持系統；雙層建模

引言

臨床決策支持系統（clinical decision support system，CDSS）可以作為貫徹循證醫學的一種信息化工具，而醫學知識庫是CDSS中的一個基礎性資源，它將醫學文獻、教科書中的循證醫學知識表達（表征）為計算機可處理的形式并進行存儲，是CDSS提供循證決策支持的基礎。在實際的臨床環境下，醫療機構采購的CDSS通常來自不同廠商，并針對特定的需求（如合理用藥、輔助診斷、感染控制等）。其知識庫涵蓋的知識種類比較單一，并且大多采用私有的知識表達方法，難以整合形成協同的（coordinated）知識資源。而這種協同性的缺失削弱了知識在臨床實踐中的應用效果，比如僅有診斷結論而沒有后續的治療建議，或者僅有規范化的治療方案但不能在治療過程中提供劑量調整等個性化支持。這導致不同類型的知識內容難以作為一個有機整體提供更加全面和有效的決策支持。工程領域的解決思路分為兩種：一種是從系統層面上研究如何實現不同類型臨床決策支持系統或服務之間的協同，即如何對異構系統進行流程集成。另一種是從底層的知識表達模型上進行知識內容的整合和再組織，通過構建相應的知識庫實現統一的知識管理。本研究重點對第二種思路進行研究，目標是設計一種能夠包容各種不同知識類型及其協同關系的知識表達方法。

1 基于雙層建模的知識表達方法

為實現對各種不同知識類型及其協同關系的表達，直接的解決思路是定義一個相對完備的模型，把各種所需要的知識以規范化的方式表達在這個模型中。然而，這種方案在應對醫學這個特定領域時存在若干局限性。首先，相比于其他領域，醫學領域的知識比較復雜，自主設計一個相對完備的模型所需的工作量會非常巨大，不但需要考慮領域本身的知識體系結構和各種知識種類的特點，還需要兼顧各種應用場景的具體需要；其次，知識表達模型需要相應的執行引擎或推理技術來驅動知識內容，而實現一個與自定義模型相匹配的知識執行功能并非易事。以上兩點可歸結為認知充分性（epistemological adequacy）問題和啟發充分性（heuristical adequacy）［1］問題，前者強調對目標領域內感興趣實體的表達能力，后者強調知識表達對于知識推理和解決問題的便利性。對于復雜領域，單一的知識表達形式難以涵蓋領域中形態多樣和特征各異的知識類型，也難以滿足高效推理的要求，因此需要多種不同的知識表達形式的共存和互補［2］。

基于以上思路，本研究設計了一種雙層建模的知識表達方法，將知識表達模型劃分為頂層模型和底層模型（見圖1），頂層模型負責對不同知識類之間的語義關聯進行定義，而底層模型包含各類知識的具體表達形式，可以定制各自適用的表達形式或復用現有的表達規范。頂層模型是一個認知模型（epistemological model），包含了針對特定需求或任務所需要的知識類型，而底層模型是一個計算模型（computational model），即適合計算機系統執行和處理的數據結構。兩種模型相互關聯，一方面滿足了領域專家對領域整體框架和脈絡的把握，另一方面又使得知識內容滿足了計算機系統推理和處理的需要。

圖1 基于雙層建模的知識表達方法Fig.1 A knowledge representation method based on two-layer modeling

1.1 認知模型的構建

認知模型的建立首先需要決定將哪些種類的醫學知識納入知識表達的范圍。從CDSS的角度出發，本研究優先考慮影響診療決策的基本知識，并使用本體技術定義了圖2所示的認知模型。認知模型將領域知識分成人可讀知識和計算機可執行知識兩大類別。人可讀知識是一類非結構化的知識工件（artifact），包含了臨床指南、系統綜述等次級循證醫學知識和隨機對照試驗等初級知識，以便于臨床工作者高效地閱讀和獲取知識。這類知識能夠對臨床決策支持干預作出解釋，并為臨床醫生的決策提供可靠的參考依據。計算機可執行知識是一類結構化的知識工件，它將人可讀知識轉換為計算機可處理的結構和邏輯，并且能夠在信息化環境中驅動決策支持應用。計算機可執行知識又分為規范化表達的知識（由知識表達規范所定義的結構來表示和存儲）和硬編碼知識（如編譯到程序內部的二進制處理邏輯）。引入硬編碼知識出于以下兩點考慮：首先，在閉源軟件和遺留系統中，硬編碼是知識的普遍存在形式，這類知識沒有被顯式表達而且難以提取，因此通常被排除在知識庫管理之外，不能得到有效利用；其次，規范化知識表達具有內在的缺陷［3］，即不能無限細致地表達全部知識，而硬編碼知識在表達形式和推理形式上不受限制，在實際臨床應用中可以按需開發或集成相應的工具，彌補規范化表達知識的不足。

圖2 用于構建醫學知識庫的認知模型Fig.2 Epistemological model for medical knowledge base

認知模型還體現了不同知識之間的關聯：一是臨床問題實體作為紐帶關聯起診斷類知識和治療類知識。基于這種關聯，當診斷規則產生臨床問題后，以該臨床問題為準入條件的臨床協議可以同時被推薦給臨床醫生，以實現更加全面的決策支持。二是硬編碼形式的知識補充規范化表達的知識。硬編碼形式的知識不受限于特定的知識表達形式，可以由各種第三方或自主開發的應用工具提供，能夠為規范化表達的知識提供有力的補充。三是人可讀的知識為計算機可執行的知識提供臨床證據參考。在提供決策支持干預時同時提供現場臨床證據可以提高醫務人員對干預的認同和對相關循證醫學知識的認知，以改善臨床實踐。

1.2 計算模型的構建

認知模型是一個上層本體（upper ontology），對其進一步細化為計算模型后，才能成為滿足CDSS實際需要的應用本體（application ontology）。認知模型細化為計算機模型的過程是一個確定子表達形式（subformalism［1］）的過程，即為認知模型中的類選取具體的知識表達形式和受控術語集，從而將其轉化為計算機可識別和可處理的形式。圖3顯示了從認知模型生成計算模型的過程。計算模型可以根據不同的知識類型按需定制表達和推理方法，也可以復用已有的知識表達規范和相應的推理引擎，例如，“臨床數據項”可以使用UMLS（一體化醫學語言系統）、SNOMED CT等本體系統進行限定；“診斷規則” 可以使用 Arden Syntax［4］、Drools 規則語言（Drools Rule Language，DRL）［5］、CLIPS（C 語言集成產生式系統）等規則語言進行表達和推理；“臨床問題”可以使用ICD進行限定；“醫囑集”可以使用HL7 Order Sets Specification［6］進行表達；“臨床路徑”可以使用 GLIF、SAGE［7］、PetriNet［8］（及衍生語言）等流程類的建模語言進行表達和推理；“檢驗”項目可以使用LOINC進行限定；“手術”項目可以使用現行操作術語（current procedural terminology，CPT）［9］進行限定；“用藥”項目可以使用 NDF-RT、RxNorm［10］等術語系統進行限定。

圖3 根據認知模型生成計算模型。圖中上層本體對應認知模型，其中的類經過特定的知識表達形式及術語系統表達和約束后，形成計算模型Fig.3 Deriving computational model from epistemological model.In this figure，the upper ontology is the epistemological model.The computational model is generated by specifying concrete knowledge representation formulisms and terminologies for concepts in the epistemological model.

計算模型將醫學知識轉化為計算機可處理的形式，并決定了知識庫的存儲結構。基于對象關系映射（object-relational mapping，ORM）［11］等技術，可在一定程度上實現從計算模型到知識庫存儲結構的自動化構建和同步更新。常用的ORM包括微軟.Net平臺的 Entity Framework、Java平臺下的Hibernate等。

2 系統實現

基于以上的雙層建模方法，在國內某三甲醫院構建了醫學知識庫，并在住院部的醫囑錄入（computerized physician order entry，CPOE）系統中實現了若干決策支持應用。

2.1 醫學知識庫建設

醫學知識庫采用SQL Server關系型數據庫實現，數據庫結構通過ORM技術從知識表達模型生成，當前版本的數據庫共包含了62張數據表。通過部署在醫院內部的網絡化知識編輯系統（http：//ktp.brahma.top/），臨床專家不斷對知識庫的內容進行維護，并形成了初具規模的知識資源。表1列出了當前知識庫中一些有代表性的知識內容，涵蓋了多種類型的知識及相互關聯。

2.2 臨床決策支持系統

本研究提出的知識表達模型和構建的醫學知識庫集成了多種類型的知識，并規范化表達了它們之間的關聯，從而為實現全面而協同的決策支持奠定了基礎。在CDSS的系統構建上，本研究以醫學知識庫為起點，首先為每一類醫學知識提供相應的知識服務（如用于診斷規則和用藥規則的推理模塊），然后通過工作流引擎實現對不同知識服務的編排（orchestration）和協同調用，最終形成了一套集成在醫囑錄入系統（CPOE）中的協同 CDSS［12］。圖4展示了系統中一些典型的決策支持應用。A區域為臨床問題列表，其中的臨床問題根據診斷規則推理得出。根據知識表達模型中所定義的硬編碼形式知識與規范化表達的知識的關聯，用戶上傳到知

識庫中的二進制插件工具可以被注冊到臨床問題上，為其提供豐富的擴展功能。例如，圖中a是針對類風濕關節炎的插件工具按鈕，點擊后彈出B所示的DAS28類風濕關節炎疾病活動性評分工具，用戶也可以將這些工具注冊到用戶工具欄（圖中c）。對于推理得出的臨床問題，點擊后可以顯示與該問題相關的診斷規則和臨床數據項（圖中C區域），進一步可以查看相關臨床數據項的歷史變化曲線（窗口D），以直觀顯示該臨床問題的發展趨勢。點擊圖中b所示的Infobutton，可以查看與該臨床問題相關的臨床指南（窗口E）。針對每個臨床問題的臨床協議會同步推送給醫生（圖中F區域），用戶只需要點擊應用按鈕（圖中d）就可以在醫囑錄入區域生成醫囑。在應用臨床協議的過程中，還可以自動調用執行與醫囑項目相關聯的插件工具，如G顯示了胰島素個性化劑量調整工具。圖中H為藥物醫囑的Infobutton，點擊后彈出與該藥品相關的藥品說明書（窗口I）。醫生提交醫囑時，會觸發知識庫中的用藥規則，對醫囑項進行合理用藥審查，檢測到的劑量、禁忌征、相互作用等用藥提醒會通過消息窗口J推送給醫生。

表1 知識庫中維護的內容Tab.1 Maintained contents in the knowledge base

圖4 在CPOE中實現的臨床決策支持（A—臨床問題列表；B—DAS28類風濕關節炎疾病活動性評分工具；C—推理臨床問題所用的診斷規則和臨床數據項；D—臨床問題相關數據項的歷史變化趨勢；E—高血壓的臨床指南；F—高血壓的標準醫囑集和臨床路徑；G—胰島素劑量調整工具；H—下達藥物醫囑的Infobutton；I—肝素鈉注射液藥品說明書；J—合理用藥警報）Fig.4 Clinical decision support in CPOE（A-Clinical problem list；B-Rheumatoid arthritis DAS28 calculator；CThe diagnostic rule and clinical data items used to generate the current problem；D-Historical trends of related clinical data items for the current problem；E-Hypertension clinical guideline；F-Standard order sets and clinical pathways for hypertension；G-insulin dosing advisor；H-Infobutton for prescribing medication；I-the drug label for the heparin injection；J-Drug use alerts）

基于不同知識類型之間的協同關系，系統實現了“‘臨床數據’驅動‘診斷規則’→產生‘臨床問題’→推薦‘臨床協議’”這樣的一體化決策支持流程，并實現了硬編碼插件工具在診療流程中的無縫介入。系統于2013年在國內三甲醫院上線，目前已運行4年多。該系統使得不同種類的知識能夠作為一個有機整體提供更加全面和有效的決策支持，是CDSS在臨床實踐中的一個成功案例。

3 討論

本研究提出了一種基于雙層建模的知識表達方法，從表達粒度（granularity）上將表達模型劃分成認知模型和計算模型兩個層次。認知模型是一個相對抽象的模型，負責對知識類型及相互之間的關系進行定義。計算模型擁有更加細致的表達粒度，使得特定類型的知識具備實際的可執行或可推理能力。這種雙層模型即能夠滿足用戶自定義表達和推理方法的需要，又能夠兼容和復用各種已有的知識表達規范（見圖3）。在研究提出的雙層建模方法中，認知模型恰好可以作為一個主體框架（backbone）去整合各種不同的知識表達形式。本研究提出的這種由粗入細的建模方式符合人類的自然思維習慣，可推廣到其他領域的建模和知識表達。

本研究構建的知識表達模型定義了不同知識類型之間的語義關聯，并基于這個模型在臨床中進行了系統實踐，成功構建了醫學知識庫和相應的臨床決策支持系統。當前版本的知識表達模型包含了臨床環境下決策支持所需的典型知識類型，隨著后續臨床需求的增加，還可以向知識表達模型中擴展更多知識類型和語義關系，使得知識庫和臨床決策支持系統能夠及時響應不斷出現的新型醫學知識。如，以基因組學為代表的新型知識和高通量檢驗技術，正在逐步進入臨床以指導個性化醫療實踐。針對這類新的知識，當前的表達模型不僅可以將基因組學知識納入知識庫，還可以建立它們與已有知識（如臨床問題等表型知識和合理用藥規則）的關聯。從技術層面考慮，當模型擴展了新的知識類型和語義關系后，對象關系映射技術可以方便地實現知識庫存儲模式與表達模型的同步更新，使得知識庫能夠及時響應快速發展的新型醫學知識。

在本研究中，醫學文獻是CDSS知識庫內容的主要來源，然而不能忽視的是，以文獻為主要傳播途徑的醫學研究正呈現出快速增長趨勢，如何將這些新發現的知識及時且迅速地轉化為符合知識庫表達模型的結構化內容是CDSS面臨的一個重大挑戰。醫學自然語言處理和文本挖掘等技術作為醫學信息學領域的研究熱點，有望實現自動化或半自動化的結構化的知識提取，這也是接下來將持續開展的一項工作。除了公開發表的醫學文獻，醫療機構內部伴隨著診療業務開展而產生的大量臨床數據也是極具價值的潛在學習資源。基于這些臨床數據，可以形成更符合本地醫療機構的診療規程和結構化知識，對于改進CDSS的本地化應用具有重要價值。例如，美國衛生信息技術協調員辦公室（Office of the National Coordinator for Health Information Technology，ONC）將快速學習（rapid learning）作為其 5年戰略計劃（2011-2015）的目標之一，以充分挖掘臨床數據的重大潛力；2014年ONC進一步將學習型醫療系統（learning health system，LHS）作為其未來10年的戰略目標。因此，如何基于臨床數據實現對知識庫內容的擴展也是臨床決策支持系統的研究方向之一。

在系統評估方面，本研究需進一步開展定量評估的工作。基于雙層建模方法所構建的CDSS已在臨床使用多年，但目前對系統的評估僅限于臨床用戶的主觀反饋和體驗。后面可以通過系統對照的方式對用戶接受度（對CDSS建議的采納程度）、業務流程改進（由一體化決策支持帶來的流程改進和效率提升）、診療效果等指標進行量化分析。

［1］ Nebel B.Reasoning and Revision in Hybrid Representation Systems［M］.Berlin：Springer-Verlag Heidelberg，1990.

［2］ Sloman A，Whyweneed manyknowledgerepresentation formalisms ［C］ //Research and Development in Expert Systems IX-Proceedings BCS Expert Systems Conference 1984.Bcston：Cambridge University Press，1985：235.

［3］ Weng C，Tu SW，Sim I，et al.Formal representations of eligibility criteria：A literature review ［J］.Journal of Biomedical Informatics，2010，43（3）：451-467.

［4］ Kraus S，Enders M，Prokosch HU，et al.Accessing complex patient data from Arden Syntax Medical Logic Modules ［J］.Artificial Intelligence in Medicine，2015，In Press.

［5］ Fobel A，Subramanian N，Comparison of the performance of Drools and Jena rule-based systems for event processing on the semantic web ［C］ //IEEE International Conference on Software Engineering Research，Management and Applications.Hammamet：IEEE，2016：24-30.

［6］ McClay JC，Campbell JR，Parker C，et al.，Structuring Order Sets for Interoperable Distribution ［C］ //AMIA 2006 Symposium：Biomedical and Health Informatics.Washington，DC：American Medical Informatics Association，2006：549.

［7］ Peleg M. Computer-interpretable clinical guidelines：a methodological review ［J］.Journal of Biomedical Informatics，2013，46（4）：744-763.

［8］ Weng JT，Ameedeen MA.A survey of petri net tools ［J］.Lecture Notes in Electrical Engineering，2015，315（8）：537-551.

［9］ Hirsch JA，Lesliemazwi TM，Nicola GN，et al.Current procedural terminology：A primer ［J］.Journal of NeuroInterventional Surgery，2015，7（4）：309-312.

［10］ Zhu Q，Jiang G，Chute CG.Profiling structured product labeling withNDF-RT and RxNorm ［J］. JournalofBiomedical Semantics，2012，3（1）：16-20.

［11］ Torres A，Galante R，Pimenta MS，et al.Twenty years of objectrelational mapping：A survey on patterns，solutions，and their implications on application design ［J］.Information and Software Technology，2017，82：1-18.

［12］ 張寅升，南山，段會龍，等.基于工作流管理技術的醫學知識庫集成與協同應用 ［J］.中華醫院管理雜志，2016，32（11）：833-836.

A Knowledge Representation Method Based on Two-Layer Modeling for Constructing Medical Knowledge Base

Zhang Yinsheng1Wang Rui2Qiao Qingzhi2Li Haomin3，4?Lv Xudong5Duan Huilong5

1（School of Management and E-Busineess，Zhejiang Gongshang University，Hangzhou310018，China）

2（Department of Information，Shanxi Dayi Hospital，Taiyuan030032，China）

3（Children’s Hospital，Zhejiang University，Hangzhou310003，China）

4（Institute of Translational Medicine，Zhejiang University，Hangzhou310027，China）

5（College of Biomedical Engineering＆Instrument Science，Zhejiang University，Hangzhou310027，China）

Medical knowledge base is an important asset for clinical decision support system（CDSS）.Current CDSSs deployed in hospitals are mostly targeted at specific requirements（e.g.rational drug use，computeraided diagnosis），and their knowledge bases usually contain one specific type of knowledge.A comprehensive knowledge base that can coordinate different types of medical knowledge is essential for building integral and effective decision support applications.This paper proposes a knowledge representation method based on twolayer modeling.First，an epistemological model is constructed to cover various diagnostic and therapeutic knowledge types used in clinical settings，as well as their coordinative relationships.Then，based on specific reasoning and computation requirements，concrete representation formulisms are assigned to each knowledge type to form the final computational model.A clinical decision support system based on this two-layer modeling method has been running for more than 4 years in a Class III hospital.Practices show that the system effectively solved the need of integrating and reasoning of different knowledge types，and has established a foundation for building integral and comprehensive knowledge applications.

knowledge representation；knowledge base；clinical decision support system；two-layer modeling

R318 文獻標志碼：A 文章編號：0258-8021（2017）05-0573-07

10.3969 /j.issn.0258-8021.2017.05.009

2016-11-25，錄用日期：2017-04-26

國家高技術研究發展計劃（863計劃）（2012AA02A601）；國家自然科學基金（30900329）

?通信作者（Corresponding author），E-mail：hmli@zju.edu.cn

（致謝：本研究受浙江省信息化與經濟社會發展研究基地資助）