图片

互联网的发展主要是为了提供全球获取信息的途径。在过去的几年里，互联网已成为访问医疗保健相关信息的最受欢迎和最可靠的平台之一。科恩等人的一项调查发现，超过65%的美国成年人使用互联网进行多种与医疗保健相关的活动。在过去的5年里，许多调查突显了不同国家令人担忧的人口与医生的比例，强调了改善医疗保健系统的迫切需要。根据世界卫生组织2013年的报告，全球医务工作者短缺720万人，未来十年可能会达到1290万人。随着帮助医生和更有效地利用时间的强烈动机，基于人工智能的虚拟助手和工具在各种医疗活动中的普及率显著上升，包括自动疾病诊断。自动化疾病诊断（ADD）的目的是通过对症状进行初步检查来支持医生。它还通过患者和医生之间的对话来诊断疾病。首先，患者在他们的自我报告中报告他们的问题和症状（称为显性症状），然后智能体询问其它症状（也称为隐性症状）以诊断疾病。因此，疾病自动诊断系统可以概括为智能体逐步询问症状，然后根据隐式和显式症状诊断疾病的系统。因此，在使用该系统的医疗保健环境中，当患者就诊时，医生会获得有关患者及其健康状况的全面信息。一些自动疾病诊断系统已经予以部署，被医院和最终用户广泛使用。

 

图片

在过去的5年里，虽然医疗界做出了重大努力，开发了一些基于人工智能的诊断助手，可以作为疾病诊断的第三只眼。然而，大多数诊断助手都是基于一些数据驱动的方法，这些方法只从现有的和潜在的医学语料库中学习。因此，鉴于公开可用的医学语料库的稀缺性，它们很可能会产生一个将本地（局部）知识集中在底层语料库中的模型。在现实生活中，除了诊断经验外，医生还要从知识库和公认的原则中学习。

 

图片

显然，随着互联网通信和远程医疗的进步，人们越来越多地转向利用网络进行各种医疗活动。随着疾病和症状数量的不断增加，诊断患者变得更具挑战性。在这项研究中，作者构建了一个诊断助手来协助医生，该助手根据患者与医生的互动来识别疾病。在诊断过程中，医生利用症状学知识和诊断经验准确有效地识别疾病。受此启发，作者通过医患互动研究了医学知识在疾病诊断中的作用。他们提出了一种双通道、知识注入、话语感知的疾病诊断模型，其中第一个通道使用基于转换器的编码器对医患沟通进行编码，而另一个通道使用图注意力网络（GAT）创建症状-疾病的嵌入。然后，对话和知识图谱嵌入被融合在一起，并被馈送到深度神经网络进行疾病识别。此外，他们首先开发了一个名为“同理心对话数据库”的医疗会话语料库，其中有标注了意图和症状信息的患者和医生之间的对话。所提出的模型与现有的最先进模型相比，该模型有了重大改进，确立了以下关键作用：（1）医生努力提取除患者自我报告之外的其它症状，以及（2）在有效识别疾病方面注入医学知识。很多时候，患者也会展示他们的疾病症状，这在诊断中起着至关重要的作用。因此，整合视觉感官信息将是提高诊断助理能力的有效途径。

 

图片

在本研究中作者研究了三个问题：（1）患者主诉是否足以进行准确诊断，（2）医疗知识图谱如何影响疾病诊断模型性能，以及（3）知识融合机制是否影响疾病诊断效率。作者假设患者主诉是不够的，外部医疗知识图谱可以帮助疾病诊断，并且使用图谱结构融合知识是一种高效机制。

 

实验结果表明,与现有方法相比, “知识注入、话语感知的疾病识别”模型在疾病诊断任务上取得了明显改善。这验证了(1)单纯依靠患者自报症状是不够的,需要医生进一步询问症状;(2)外部医疗知识图谱可以提供有价值的诊断线索;(3)以图结构的方式融入知识比线性融合更有效。

 

图片

总之,这项工作提出了一种创新的知识增强自动诊断模型,通过整合患者-医生对话和医疗知识图谱,显著提升了疾病诊断的性能。该研究对于开发智能医疗诊断系统具有重要意义。