中医药知识图谱的构建与应用

首先向大家介绍一下中医药知识图谱的定义和定位。

中医药知识图谱是以中医药概念体系为核心，对中医药概念性知识进行与管理，而形成的大型网状知识库。中医药知识图谱是以语义网络为核心，不仅建立概念之间的语义关系，而且包括同义词、定义、注释、属性值，文字信息、资源链接等丰富的内容。知识图谱符合中医的思维特点，是发展中医人工智能的基石。

通过知识图谱可以对概念体系进行系统的梳理，构建大型化、可扩展性强的中医药领域知识系统，实现知识关联和知识融合，从而支撑智能应用。

中医药知识图谱的构建是一个系统性的工程。主要有四个步骤：

对知识图谱做顶层设计，制定相关的语义标准；

构建语义网络作为知识图谱的骨架；

将数据库与半结构化的数据导入知识图谱；

通过众包数据加工和文本知识获取等方法进一步扩充知识图谱。

中医药语义标准包括语义网络框架、分类法、元数据标准等，定义了类型（类）、关系（属性）、上下位关系、重要概念的定义和注释等。其中国家标准中医药学语言系统语义网络框架与中医药知识图谱构建关系密切。

已有一系列国际标准（如ISO标准）和国家标准：

ISO/TS 17938 《中医药学语言系统语义网络框架》。发布机构：

ISO 19465:2017 《中医临床术语分类结构》 发布机构：ISO/TC 249. 2017年2月出版.

GB/T 38324-2019 《健康信息学—中医药学语言系统语义网络框架》. 国家标准

TCMLS的语义网络框架定义了中医药领域的基本语义类型和语义关系。

TCMLS的语义类型定义了中医药领域最基本的96种语义类型，为中医药概念提供了一个分类系统。

TCMLS的语义关系定义了58种中医药领域基本的语义关系（在UMLS语义关系的基础上增加中医药语义关系），用于将中医药概念连接成语义网络。

目前，很多工作参考并扩展了TCMLS的语义网络框架。中医界从本世纪初开始开展大规模协作式的本体工程，建立了中医药学语言系统，以及临床、古籍、证候、针灸、温病、医案等方面的许多本体。

中医药学语言系统（TCMLS）是以中医药学科体系为核心，遵循中医药学科理论体系建立的大型领域本体，是由许多专家通过成熟的网络化术语加工系统构建的。中医药学语言系统是从2002开始，我所联合13家科研机构研制的系统；300+专家的术语加工团队；成熟的网络化术语加工系统

TCMLS的特点包括：

（1）以概念为核心对中医术语进行系统梳理和精确表达。

（2）建立概念之间的上下位关系，构成概念层次结构。

（3）编织大型的语义网络。

TCMLS的总体框架分为顶层和底层。顶层是由语义类型和语义关系构成的语义网络框架，有96个语义类型，58种语义关系，底层是由具体概念构成的大型语义网络，有12多万个概念，30多万个术语，127多万种语义关系。

底层的基础词库对现存词表、分类表、数据库、工具书中词汇进行分析、选择和组织，加工成一个大型词库，共约12万个概念，30万个术语，涵盖中医药词汇以及与中医药学科相关的生物、植物、化工等学科词汇。建立了合理的概念分类体系以及大型的语义网络。基于Web的加工系统：支持多人异地大规模协作氏术语加工。

中医临床术语系统是经过系统编排的描述健康状况和中医医疗活动所需的术语的集合。这些术语涵盖中医临床文档记录的内容及表达。该系统通过概念、术语和关系来客观准确表达中医临床范围的信息。为解决临床数据的采集以及信息传递中遇到的交流障碍，提高临床用语的规范化，促进临床经验的交流和共享。可应用于医案处理和临床决策支持等，用于临床信息的编码、检索、分析等。

中医临床术语系统分类结构：ISO/TS19465:2017 Traditional Chinese Medicine-Categories of traditional Chinese medicine(TCM) clinical terminological system (中医药学——中医临床术语系架），定义17个顶层分类，2017年2月发布：

中医临床术语系统分类结构定义了17个顶层分类，包括11万个概念，27万个术语，100万条语义关系。

广泛收集了中医药领域的数据资源，并对数据清洗和规范化，将这些数据集中存入关系型数据库，然后将关系型数据库经过转换和融合存入Neo4j图数据库，最后根据应用需求进行数据转换、导出，可以导出多种格式，包括RDF、OWL、JSON-LD、XML、Excel等多种文件格式进行共享和使用。

2.5中医药知识图谱的构建：从文献到知识图谱

通过基于深度学习和行文规则的中医药文本挖掘方法，从中医文献中发现新词、命名实体，提取语义关系，提取医家针对临床表现、病因、病机、治则、治法、方剂和疗效的论述，填充中医药知识图谱。首先，基于本体对中医文献进行分词和概念实体识别，从中自动提取语义关系；其次，建立中医药文献大数据平台，对从文献中的抽取的实体和语义关系进行集中管理、浏览和审核；最后，导入知识图谱系统，实现知识结构化 & 可视化。

3.中医药知识图谱的应用

从2013年开始依据中医药领域语义标准，利用术语系统和数据库等资源来构建中医药知识图谱系统。到目前为止，该系统已成为由中医养生知识图谱、中医临床知识图谱、中药知识图谱、名医传承知识图谱以及中医特色疗法知识图谱等等一系列子领域知识图谱（或称知识图谱模块）相互关联所构成的大型知识系统。

3.1基于知识图谱优化知识检索

基于知识图谱实现更强大的检索功能：

（1）知识图谱可用于实现精准的知识查询。系统向用户直接呈现所查询对象的知识、图片和语义关系。不同于传统的全文检索，知识图谱的检索是直接基于知识本身的，所获取到的结果指向人工处理过的概念和知识点。为用户节省了翻阅文献查找知识点再综合的时间，因此可以提升知识获取的效率。

（2）知识图谱中定义的同义关系被用于扩展检索。例如，用户输入关键词（如中风），系统会带着同义词 (包括 “仆击”,“偏枯”,“卒中”...)一起检索，从而返回更完整的结果。

（3）知识图谱中定义的相关关系用于关联检索。如用户输入“中风”,系统提示“牛黄清心丸 治疗 中风”并检出含有这一关系的文献，或推荐相关概念（如“牛黄清心丸”）进行进一步检索。

3.2基于知识图谱实现知识可视化

知识图谱能够实现对中医药知识体系的可视化展示，以图形方式凸显核心概念之间的关系，快速呈现知识结构，帮助用户在概念层次上浏览中医药知识体系并迅速发现所关注的知识。

3.3基于知识图谱的智能推荐

说明：我们可以将中医药知识图谱与人工智能方法相结合，综合运用知识图谱路径查询、知识推理和用户意图分析等多种技术，研发中医知识推荐引擎，从海量中医知识资源中自动找出用户可能关注或感兴趣的知识，从而实现中医药知识个性化推荐，辅助临床研究、临床决策支持和个人健康管理的多种应用。

应用场景包括中医临床辅助推荐，可以实现中成药推荐（根据患者临床表现（中医诊断、疾病、证候、症状等等）推荐中成药）、处方推荐（根据患者临床表现、辩证论治原则和中医方剂知识进行智能组方推荐）、养生方法推荐（根据用户体质等个体性信息，提供中医养生知识推荐）、辅助诊断（根据患者症状以及病证症关联关系，计算得出疾病、证候等诊断结论）。这里主要是中医养生方法的推荐。

3.4基于知识图谱的智能问答

基于中医药知识图谱的问答系统给出用户尽可能准确的答案或建议。

说明：我们可以将中医药知识图谱与自然语言理解、知识表示、知识推理等技术相结合，研发中医药知识智能问答系统，实现中医药领域关联性知识和事实型知识的自动问答。当用户输入查询请求或问题时，系统给出尽可能准确的答案或建议，而不是大量搜索结果，从而提升知识服务的精准性和针对性。

3.5知识图谱在中医临床辅助决策系统中的应用

知识图谱在中医临床辅助决策系统中的应用说明：

1.基于知识图谱建立症状、证候、疾病之间的关联，辅助用户辩证或做出疾病诊断。

2.基于知识图谱建立临床表现（症状、证候、疾病）与中成药、方剂之间的关系，据此向用户推荐中成药、方剂等疗法（推荐算法）

3.帮助用户检索相关的医案、指南、方剂等知识内容，辅助用户进行决策。

4.具体案例

4.1中医临床知识图谱

中医临床知识图谱是依据中医临床信息学，面向中医临床研究和实践而建立的知识系统。通过中医临床知识图谱，可建立病、证、症、理、法、方、药等核心临床概念之间的关系，把名医经验、临床指南、诊疗规范、医案、临床研究等各种资源关联起来，实现临床知识资源整合，服务于临床研究、医案挖掘和临床决策支持。

中医临床知识图谱的核心实体包括中医疾病、西医疾病、证候、症状、治法、方剂、中药等，核心的语义关系包括症状关联关系、症状疾病关系、症状证候关系、中西医疾病关系、治疗关系、方药组成关系等。

4.1.1中医临床知识图谱构建：以脾胃病为例

建立中医临床知识图谱以中医分科和疾病为研究对象，构建了中医皮肤科、中医哮喘、胃肠病等围绕专科专病的临床知识图谱。以脾胃病为例，介绍图谱构建方法和过程。

4.1.1.1数据预处理

为了构建脾胃病知识图谱，需要收集临床诊疗术语、病症分类与代码等，对已有研究建立的脾胃病中医药本体进行扩充。同时，收集科技文献、医案、现行教材、最新研究进展等文件形成脾胃病专题文献库，通过文献大数据加工系统对这些文件进行标注，构建语料库。

4.1.1.2基于医案构建知识图谱

左侧为一则医案（黄××，男，14岁。证见午后发烧五月之久，服滋阴养血药，其热不退，伴舌红、自汗盗汗、面色无华、心悸、下肢痿软等心肾气阴两虚证，继见大便溏薄，小腹隐痛，纳差等脾阳虚证，脉细数无力(130次/分)(西医诊断为肠结核)。病机属心脾肾阴阳俱虚证，以阳虚较重，治宜温阳为主兼以养阴的甘温除热法，仿黄芪建中汤合肾气丸化裁：黄芪15g、肉桂6g、干姜9g、附子6-15g、灸甘草9g、大枣10g、山药15g、益气健脾和中；萸肉10g、熟地15g、白芍22g补肾养血。全方具有酸甘化阴，辛甘化阳之功。此病由阴损及阳，而且阳虚较重，附子由六克递增至十五克，始热退脉缓和。服药三十余帖而痊愈，至今已三年未复发。），以文本形式记载中医临床的诊疗过程。首先识别医案中的概念、实体、事件，以及概念实体之间的关系，区分一个医案中的多个诊治是不同的事件。经过医案的解析，提取出医案中的实体和关系。该医案中包含的实体：西医诊断、中医证候、临床表现、中医治则、方剂、中药；医案中包含的关系：由_组成、现象表达、治法、运用。

4.1.1.3古今医案云平台

医案的挖掘来源古今医案云平台。古今医案云平台是由中国中医科学院中医药信息研究所中医药大健康智能研发中心在十多年中医医案研究及40万医案数据积累的基础上研发的，集成诸多大数据、云计算等应用模式及智能信息处理技术，包含关联分析、贝叶斯、层次聚类等丰富的算法，挖掘病、症、方、药、穴位、治法、疗效等多角度之间的关系，是为名医传承与经验总结中的方法学问题提供便利的分析工具。

4.1.1.4从中医医案到知识图谱

从医案到知识图谱的构建过程：首先，收集医案，比如脾胃病相关的医案。然后，医案数据预处理实现数据标准化和结构化。接下来，从医案中抽取知识，构建“病—症—治” 知识图谱。最后，医案知识共享与传承。在医案库的基础上，构建“病、证、症、方、药”等核心概念构成的知识图谱，将事实型知识转换为概念性知识，更好地支持知识分析和梳理。

4.1.1.5基于文献大数据平台进行众包式加工

基于文献大数据平台进行众包式加工的过程：首先，将医案文献通过OCR实体识别录入、校对等，然后自动提取医案的文字内容，经人工校对和专家审核后。完成实体识别之后，再自动发现其中的语义关系和医案中的事件，由人工经过校对，完成医案的结构化和知识图谱的构建。将医案文献导入大数据平台，基于OCR实体识别方法，从期刊文献中自动提取医案的文字内容，经人工校对和专家审核后，形成医案全文。再基于规则的方法，根据中医基础理论包含的概念与逻辑关系，建立语言分析或生成的规则，描述脾胃病医案的各种成分以及成分之间的结构关系和意义关系，形成医案关键要素的结构化，再组织专业人员进行加工和审核，保证医案成分提取的准确性。

1）实体抽取，也称为命名实体识别，即从文献中自动准确识别疾病、证型、临床症状等概念；

2）关系抽取，也就是从文献中发现实体和实体之间的关系；

3）属性抽取，也就是从文献中提取实体的属性信息。属性和关系的区别在于：关系反映实体的外部联系，属性体现实体的内部特征。

4.1.1.6基于医案构建知识图谱--查询示例

查询实体：MATCH (n:formula{name:'黄芪建中汤合肾气丸'}) RETURN n

# 查询名称为诶黄芪建中汤合肾气丸的实体，点击该实体，可以显示与其有关的其他实体及关系，发现黄芪建中汤合肾气丸由图示中药组成，是治法甘温除热法可以选择使用的方剂，治疗心脾肾阴阳俱虚。

查询单层关系：MATCH (n:formula{name:'黄芪建中汤合肾气丸'})-->(p:herb) return n,p

# 与黄芪建中汤合肾气丸有关系的中药

查询多层关系：MATCH (n:formula{name:'黄芪建中汤合肾气丸'})--(otherone)--(p:C_diagnosis) return n,otherone,p

# 肠结核选择甘温除热法治疗，运用黄芪建中汤和肾气丸

知识图谱构建好之后，可以查询实体。例如：可以查询某一个方剂可以治疗哪些疾病，该方剂包含哪些中药等等。

4.1.2中医临床知识图谱的应用

4.1.2.1基于临床知识图谱的知识问答

基于临床知识图谱实现知识问答，它能回答用户用自然语言提出的中医临床场景下的问题，直接给出答案或推荐结果。比如，“治疗某病吃什么药？”

4.1.2.2基于知识图谱的智能问答

问答系统的基本原理是当用户用自然语言输入查询请求或问题时，系统首先识别问句特征词并问句进行解析，再将用户问题转换为一个知识图谱查询，最终将知识图谱查询结果再封装为便于理解的答案，返回给用户。

问答系统集成了专门面向中医药领域进行优化的问题解析、知识推理和答案生成等技术。问答处理流程包括：问题获取、问句分类、问句解析、知识图谱查询生成、答案生成等核心步骤。其基本原理是当用户用自然语言输入查询请求或问题时，系统首先识别问句特征词并问句进行解析，再将用户问题转换为一个知识图谱查询，最终将知识图谱查询结果再封装为便于理解的答案，返回给用户。

4.1.2.3中成药推荐

中成药推荐就是要根据临床表现找到适合的中成药。例如，如果问治疗肺经痰热用什么药？我们可以发现肺经痰热具有痰多粘稠，气促等临床表现；痰多粘稠和气促一般用化痰，平喘的治法治疗；儿童清肺口服液具有化痰，平喘的功效；因此，儿童清肺口服液可治疗肺经痰热的证候。所以我们可以在知识图谱中沿着“证候——症状——功效——中成药”的路径找到答案。此类查询路径可以有多种。

根据用户输入的临床表现，返回给用户适合的中成药。基于知识图谱实现中成药推荐的基本思想是，根据知识图谱之中疾病、证候、症状、病因及方药功效之间关系，搜寻临床表现与中成药之间的路径，这些路径就代表了临床表现与中成药之间的潜在关系。通过这些路径找到在某个场景下可以适用或不适用的中成药（可推广到方、药等其他疗法）。

4.2名医传承知识图谱

为了支持中医名家学术传承，首先建立专家信息库（包括2000多位专家），支持专家信息检索和分析服务。在专家信息库的基础上，结合专家的文献和医案，构建中医名家知识图谱，用于梳理中医名家的师承关系和经验性知识（擅长疾病和治疗方法）。

中医名家知识图谱以名医为核心，展示任职机构、论著、师承关系、合作关系及代表性方药、擅长疾病等信息，有助于分析中医代表性流派的学术发展脉络和学术思想源流。名医与名医之间的师承关系是中医名家知识图谱的核心关系。

4.2.1名医传承知识图谱：赵炳南

中医名家赵炳南是我国当代中医皮肤科泰斗，已经形成了自己的学术流派。我们在整理赵炳南及其弟子的著作、论文、医案等文献资料的基础上，构建了赵炳南传承知识图谱，它不仅记录了赵炳南的学术思想和经验，还梳理了师承关系与学术脉络。它包括与赵炳南相关的知识共计3800余条，包含名医信息、师承关系、学术思想、临证经验（临床经验）、特色疗法、经验方、特色用药、临床研究。

构建知识图谱后，可以利用知识图谱分析名医的临床思维路径和思维模型。通过文献分析，系统总结赵炳南“辩证论治组方”思维模式，用知识图谱表达为由“证型—症状—病机—治则—治法—方剂—中药”所构成的思维路径，融合为赵炳南辩治思维模型。

通过这个知识图谱，用户可以完成如下的知识查询：

（1）查询赵炳南擅长疾病、经验方和特色用药；

（2）分析流派的知识传承情况；

（3）传承关系：查询名医与弟子之间的传承关系；

（4）精准的知识查询：查询赵炳南治疗银屑病的方剂。

4.2.2名医传承知识图谱：朱仁康

朱仁康是另一位当代皮肤科专家，也已经形成了自己的学术流派。我们用类似的方法构建了朱仁康流派的知识图谱。建立专家信息库，支持专家信息检索。辅助科研人员系统梳理中医名家的师承关系、代表性方药等知识。

朱仁康知识图谱包括传承关系、学术思想、临证经验、擅长疾病、经验方、擅长中药等知识。

节点：共1059个节点，其中264个医案节点，24个医生节点，20个临床研究节点，98个临证经验节点，22个图书节点，19个学术思想节点，56个期刊节点，6个特色用药（中药）节点，343个经验方（方剂）节点，15个中医疾病节点，61个疾病节点，74个西医疾病节点，57个证候节点

边：共1646条边，其中20个临床研究关系边，264个医案关系边，98个临证经验关系，22个图书关系，19个学术思想关系，56个期刊关系，6个特色用药关系，343个经验方关系，22个师承关系，11个擅长方剂关系，143个擅长疾病关系，186个治疗关系，186个被治疗关系，270个相关名医关系。

采用类似的方法构建了朱仁康流派的知识图谱，并对朱仁康传承关系进行了梳理。同时，可以对朱仁康的临证经验、经验方等进行查询。并用知识图谱表达朱仁康治疗疾病过程中由“证型—症状—病机—治则—治法—方剂—中药”所构成的“辩证论治组方”思维路径，并将这些思维路径融合形成思维模式。

举例：

朱仁康认为皮肤病的发生与营血关系非常密切，认为湿疹迁延日久多由于伤阴耗血，正虚邪恋，导致湿邪久羁不去。用药偏于清热解毒，同时尤其强调顾护阴液，培育脾胃之气。同时受温病“大凡看法，卫之后方言气，营之后方言血。在卫汗之可也，到气才可清气，入营犹可透热转气”的治疗策略影响，朱老在处方用药中偏于清热透邪，用药轻清灵动，不妄用耗血动血之品。（来源《浅谈中医治疗湿疹类疾病的流派特点》）。

4.2.3知识图谱应用：皮肤科名医流派辩治思路比较

沿着上面的思路，通过不同名医的知识图谱，我们可以清晰地看出他们的学术特点和思维特色，比较他们辩证论治组方的异同。

以用方经验比较举例，在构建不同名医的知识图谱之后，我们就可以对他们的经验方和用药经验进行比较，找出共性和差异。

流派用方经验传承：名医经验方的传承，是指由某医家首创的方，其弟子也在继承和使用。因为中医组方的灵活性，所用方剂或所治病证一定不会完全相同，只要在病证、治法、组成上具有相似性就属于用方经验传承。通过查询医家用于治疗某证的某方、查询具有师徒关系的医家、查询相似的证候、查询相似的方剂等来进行用方经验的比较。

4.2.4知识图谱应用：流派用方经验传承

经过查询和比较，可以发现弟子传承了名医的配伍经验，再加以化裁。例如，朱仁康和弟子弟子许铣的用方不完全相同，但有传承性，利用知识图谱记载和查询出这种相似的方子，以及证型、治法等概念的复杂相关性。

4.2.5知识图谱应用：流派用方经验差异对比

不同流派的中医的用方经验的确有所不同。通过知识图谱查询，可以表现出流派之间在病机设别和组方用药等方面的差异。不同用方经验的确有不同之处，但可能也存在相互借鉴和融合；通过知识图谱将多篇文献的知识结合起来可分析这种异同性。如图5 所示，朱老与赵老在银屑病辨证经验中均指出血热类证候的存在，但用方经验有所不同。朱老的克银一方以清热解毒为治则，从药物组成可知其不重活血；赵老则以凉血活血为主。查阅相关文献可知，虽同为从血热论治银屑病的代表[16]，朱仁康流派与赵炳南流派在病机病位认识上仍有差异。赵老认为热郁于血分[14-15]，朱老则认为热在气营，波及血分[17-18]，因而表现出用方经验的差异。然而，对比图4、图5，可见赵炳南再传弟子陈勇在凉血活血基础上加用了清热解毒药；朱老于后期克银一方化裁中也加用了凉血活血角药地黄、赤芍和牡丹皮。（朱仁康和赵炳南流派用方经验的确有不同之处，但可能也存在相互借鉴和融合；通过知识图谱将多篇文献的知识结合起来可分析这种异同性）

4.3中医养生知识图谱

基于中医养生古今文献资源，广泛收集饮食、药膳、药物、针灸、运动、按摩、起居等12类养生方法，通过知识图谱梳理中医养生知识体系，建立养生思想、原则、方法与疾病、体质、证候、环境、节气等因素之间的关系。

4.3.1中医养生知识图谱的应用

中医养生知识图谱可支持多种养生知识服务：

基于知识图谱和问答对提供中医养生知识问答服务；

基于个体特征和时空环境，进行养生保健、疾病防治的个性化知识推荐；

重点研发的内容包括：药食同源、运动养生、皮肤科与美容、养生日历等。

4.3.2应用案例：基于体质的个性化养生知识推荐

中医将体质分为九种，根据不同的体质有不同的养生方法，根据养生方面的文献制定了以体质为中心的养生知识图谱。例如，“湿热质”体质在不同的病理下表现不同的症状，针对不同的症状会有不同的治则，针对不同的治则会有不同的养生方式，如精神调摄、穴位按摩、饮食调养、运动调养、起居调护等。如体质为湿热质，病理为热重于湿，会表现出大便黏滞的症状，可用分消湿浊，清热祛湿来调养，茵陈车前子粥是分消湿浊，清热祛湿的一种饮食调养的方式。养生图谱分别围绕九大体质的不同表现，汇集了相应的养生方法。

4.3.3个性化养生知识推荐

构建以体质为中心的养生知识图谱后，可以支持个性化的养生只是推荐。例如，针对体质为气虚质，表现出易汗出、精神不振症状，且忌口为“南瓜”，查询适合他的养生方法。

查询语句：match p=(n:体质{name:'气虚质'})-[*]->()  with n,p match c=(b:病理)-[]-(m:症状) where m.name='精神不振' or m.name='易汗出' with n,b,m,c match t=(m:症状)-[]->(s) with n,b,m,s, t match (s)-[r:关系]->(a)  where r.relation='饮食调养' or r.relation='运动调养' or r.relation='起居调护' with n,b,m,s,r,a match (s)-[r]->(a) where not a.name contains '南瓜' return n,b,m,s,r,a。

说明：以气虚质和症状查出“饮食调养”、“运动调养”、“起居调护”等方法，删去禁忌条件的节点，查出的养生方法具有明确的养生原则、治则、症状和体质的逻辑路径，以及确切的来源。先查询出与气虚质有关的所有节点；然后通过症状为“易汗出”、“精神不振”，将气虚质关系网络中症状为“易汗出”、“精神不振”的节点筛选出；之后通过查询关系为“饮食调养”、“运动调养”、“起居调护”等，查询出针对体质为气虚质，症状为“易汗出”、“精神不振”，调养方式为“饮食调养”、“运动调养”、“起居调护”的调护方式：南瓜、南瓜粳米粥、粳米、牛肉、山药、山药粥等；最后通过 where not 去掉忌口食物“南瓜”，删去所有包含“南瓜”的节点，查询结果为：山药、粳米、山药粥、牛肉等。

5.总结

中医药知识图谱实现了中医药知识体系的可视化，建立知识点之间的有机联系，在知识检索、知识推荐、知识问答和和中医临床辅助决策系统中也都发挥了实际的作用。

知识汇聚：实现各类文档、数据库、网站中碎片化知识的集成；

知识关联：疾病、药品、检查的关联；中西医疾病名称关联；中西药成分关联等；

智能应用：将案例研究中的智能问答、智能推荐方法推广应用于其他智能化知识服务场景：包括临床决策支持中的辅助诊断、处方推荐、医案知识挖掘、个性化养生知识推荐等。

在中医药领域开发知识图谱的意义：

为中医药知识体系的系统梳理和完整保存提供创新性的方法；

为中医药领域知识遗产的深度挖掘与利用提供有效手段；

在中医药领域的知识管理、知识服务、教育、培训等方面都具有应用价值。

相关文献：

1.尹爱宁,张汝恩.建立《中医药一体化语言系统》[J].中国中医药信息杂志,2003,10(3):90-91.

2.崔蒙,胡雪琴.中医药语言系统中的数据清洗策略研究[J].中国数字医学,2010,5(5):17-19.

3.于彤,贾李蓉,刘静等. 中医药学语言系统研究综述[J]. 中国中医药图书情报杂志, 2015,39(6):56-60.

4.于彤,崔蒙,李海燕,等.中医药学语言系统的语义网络框架:一个面向中医药领域的规范化顶层本体[J].中国数字医学,2014,9(1):44- 47.

5.于彤,刘静,贾李蓉,等.大型中医药知识图谱构建研究[J].中国数字医学,2015,10(3):80-82.

6.贾李蓉,刘静,于彤等. 中医药知识图谱构建[J]. 医学信息学杂志,2015,36(8):51-53,59.

7.王蕊,于彤,符永驰,等. 中医特色疗法知识地图的初步构建与研究[J]. 中国数字医学, 2015, 10(9):86-88.

8.Tong Yu, Meng Cui, Lirong Jia. Towards a TCM Domain Ontology: Standardization, Ontology Engineering, and Applications [C]// 2015 8th International Conference on BioMedical Engineering and

Informatics (BMEI 2015), October 14-16, Shenyang, China:500-504.

9.Tong Yu, Jing Liu, Lirong Jia, et al. Construction and Applications of a Large-Scale Knowledge Graph for Traditional Chinese Medicine [C]//The 5th Joint International Semantic Technology Conference (JIST2015), November 10-13, Yichang, China.

10.Tong Yu, Jinghua Li, Qi Yu, Ye Tian, Xiaofeng Shun, Lili Xu, Ling Zhu, Hongjie Gao, Knowledge graph for TCM health preservation: Design, construction, and applications, Artificial Intelligence in Medicine, Volume 77, March 2017, Pages 48-52.