抑郁症知识图谱及其应用课件

抑郁症知识图谱及其应用KnowledgeGraphsofDepressionandTheir

Applications2018-11-192人工智能的两个技术支柱深度学习（Deep

Learning）：归纳（Induction），从数据中获得知识语义技术（SemanticTechnology）与知识图谱（KnowledgeGraph）：演绎（Deduction），

从知识中推得结论（新数据）在医学和生命科学领域，更需要知识图谱技术2018-11-193人工智能领域标志性事件2011年

IBM沃森（人工智能程序）参加综艺节目《危险边缘》，第一次人与机器对决，沃森打败了最高奖金得主布拉德·鲁特尔和连胜纪录保持者肯·詹宁斯。沃森赢得了第一笔奖金100万美元。（语义技术与知识图谱）2011年

Palantir公司采用大数据技术发现本·拉登的藏身地

（数据挖掘，语义技术与知识图谱）2012年伦敦奥林匹克运动会自动报导体育新闻（语义技术与知识图谱）2016年

AlphaGo围棋对弈战胜李世石（深度学习技术）知识图谱知识图谱是描述概念和实体及其语义关系所构成的大型知识库。知识图谱通常是使用网络知识表达语言如RDF/RDFS/OWL来描述的。4China

2011China

201255China

China

2011 62012 6关联语义数据云图

:

其中每个结点表示一个开放的数据源，结点之间的弧表示数据源之间相互链接295个数据集, 310亿条RDF语句,

5.04亿个RDF链接（2011年9月）领域涵盖：地理信息、生命科学、百科词条、

媒体、出版、政府信息、计算机与通讯技术、工程领域、

社会科学等，几乎无所不包China

201177China

2012From

/2014:1014

datasets,in900.000documentsdescribing8billion

entitiesUseCasesofKnowledge

Graphs知识图谱的应用场景Data Integration/interoperability

（数据整合/数据互操作）Vertical

Search

（垂直搜索）Semantic

Search

(语义搜索）Knowledge

Representation

(知识表达）Knowledge

Management（知识管理）DecisionSupport

（决策支持）10抑郁症知识图谱抑郁症知识图谱集成了抑郁症相关的各类知识与数据资源。为研究抑郁症相关数据的各种关系及其临床决策支持提供数据基础支持。KnowledgeGraphsofDepression:Knowledge/Data

Resources抑郁症知识图谱数据来源Medical

Guidelines

of

Depression抑郁症指南Clinical

Trials

of

Depression抑郁症临床试验PubMed/Medline

on

Depression

医学文献Wikidepedia/DBPedia

Antidepressant维基百科Drugbank药物知识库Drugbook

(Drug

Specification)药物说明书SIDER（药物副作用知识库）SNOMED

CT,

UMLS,

MeSH（临床概念术语集）ICD10,DSM

V

（疾病分类及其诊断标准）Gene

ontology,Proteinontology,….(生命科学基础数据集）抑郁症知识图谱：数据整合DepressionKG：

DataIntegration抑郁症查询实例更多复杂的例子MoreComprehensiveExamples抑郁症知识图谱应用实例：药物不良反应分析有二分之一到三分之二的抑郁症患者在初次治疗的前半年里停药，其中部分患者停药的原因是无法耐受药物不良反应。在临床决策过程中，准确地把握和分析抗抑郁药物的不良反应成为了临床医生所面临的一个重要环节。一个抗抑郁药不良反应通常有几十种，临床工作中，医生既要兼顾疗效与不良反应之间的平衡，又要顾及患者躯体疾病治疗，难以快速、准确的做出最优决策。使用结构化和语义化的知识图谱能够提高临床分析的效率和准确度。联合用药不良反应的预测功能复合模型：从现有的单个药物可能产生的不良反应的信息中推出多种药物联合用药的可能出现的不良反应精细综合模型：考虑病人的不同用药情况及其特征（如年龄等），进行综合分析，提出预测分析结果个性化分析模型。

从病人的历史记录和药物反应机制方面来获得病人的受体敏感性的信息，作出更有针对性的预测联合用药不良反应预测Alprazolam阿普唑仑Lithium

carbonate碳酸锂Quetiapine思瑞康Sodium

Valproate德巴金青少年自杀自残已经成为了社会普遍关注的严重问题。许多年轻人通过网络媒体（如微博）表达了各种自杀情绪和愿望，这为采用人工智能及其大数据技术对网络媒体作分析并进行自杀救助提供了可能性。医学人工智能微信群“树洞行动”已经为此提供了具体的案例。抑郁症与自杀知识图谱树洞：

传说古时候，心里藏着秘密又希望能够倾吐而不为他人所知的人，会跑到树林里找一个树洞，对着树洞说出秘密，然后用泥巴将装满秘密的树洞填上现代树洞：

人们经常在网络社交媒体（如微博）。

上倾吐自己的想法。一位抑郁症患者自杀死亡以后，他们的微博经常成为抑郁症患者，特别是想自杀的人倾吐心声的现代化的"树洞"这些“树洞”每天都包含着许多企图自杀的信息，

这为我们发现高风险的自杀患者提供了基本条件“树洞”与自杀我们开发的网络智能机器人采用知识图谱（KnowledgeGraph）技术，自2018年7月27日开始，每天监控微博中特定的网站，从微博中发现高风险的自杀人群并每日发布树洞监控通报。我们组织的“树洞行动救援团”根据监控通报采取网络开展自杀救助行动。自2018年七月底至2018年11月上旬，三个月的时间内我们已经对超过九十人进行了网络自杀救助，其中超过四十人获得了有效救助，暂时阻止了她们的自杀行为。树洞行动与自杀救援自杀风险分级标准10级

自杀可能正在进行中9级

自杀方式已确定，近日内可能进行8级

自杀方式已在计划中，自杀日期大体确定7级

自杀方式已确定，

自杀日期未明6级

自杀已经计划中5级

强烈的自杀愿望，自杀方式未明4级

自杀愿望已表达，具体方式和计划未明3级

强烈的生存痛苦，未见自杀愿望表达2级

生存痛苦已明确表达，未见自杀愿望表达1级

生存痛苦有所表达，未见自杀愿望表达0级

未见任何生存痛苦表达自杀风险分级与预警••••10级

自杀可能正在进行中9级

自杀方式已确定，近日内可能进行8级

自杀计划已确定，自杀日期大体确定7级

自杀方式已确定，

自杀日期未明•6级

自杀已经计划中5级

强烈的自杀愿望，自杀方式未明4级

自杀愿望已表达，具体方式和计划未明3级

强烈的生存痛苦，未见自杀愿望表达2级

生存痛苦已明确表达，未见自杀愿望表达1级

生存痛苦有所表达，未见自杀愿望表达0级

未见任何生存痛苦表达每日通报每日关注树洞自杀图谱·树洞智能机器人结构图树洞监控质量评估随机选取16天监控数据，共涉及21356条树洞信息，平均每天1335条信息，对之进行评估。系统对自杀风险判别的准确率平均达到82%，召回率平均达到59%树洞的时间特征分析的结论“树洞机器人”能够从每天1335条树洞信息中定位出10条需要关注的信息，共剔除了9