“知識圖譜” （Knowledge Graph）是谷歌在2012年提出的一個技術概念，它是語義搜索的一個應用，能夠將搜索結果進行知識系統(tǒng)化，任何一個關鍵詞的輸入都能導出完整的知識體系。除了能為用戶進行搜索、推薦等具服務外，知識圖譜在垂直領域的應用也在不斷延生和拓展。

其中，來自北京的創(chuàng)業(yè)團隊康夫子正通過構建醫(yī)療知識圖譜，打造精準的人機對話模型，并推出病歷結構化、臨床決策支持系統(tǒng)和全科機器人醫(yī)生三項針對醫(yī)療資訊和問診的服務。

借助AI打造機器人醫(yī)生，增加醫(yī)療資源供給

“主要是讓計算機在閱讀海量的醫(yī)療文獻和電子病歷數據后，自動學習診斷邏輯，并進行推理計算”，康夫子創(chuàng)始人＆CEO張超告訴獵云網，自然語言理解是知識圖譜依托的重要技術之一，此外，知識圖譜的構建還離不開龐大的數據支撐，而醫(yī)學作為一門知識驅動類的學科，“如果能多維度收集足夠豐富、可靠的數據，就能在輔助決策層面發(fā)揮應用的價值”。

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

當前，其病歷結構化模塊已經在國內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，因此對于結論的可推測性要求非常嚴格?？捣蜃舆@套基于機器學習、人工智能和NLP的系統(tǒng)，通過對海量病歷進行深度挖掘和學習，將經驗豐富的專家經驗提煉成AI模型算法。

在線體驗智能診斷功能（附部分導診步驟）

例如，當醫(yī)生填寫完病歷分析患者的病情后，系統(tǒng)會彈出提醒，給出推薦的治療方案和建議，以降低醫(yī)療風險，避免基層全科醫(yī)生由于經驗缺乏而可能造成的誤診、漏診的情況。

全科機器人醫(yī)生則主要承擔分診導診服務?；颊咴卺t(yī)院大廳掛號時，只需在系統(tǒng)中填入姓名、年齡等信息，并輸入相應癥狀，“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。

“我們希望能夠為患者提供比較精準的回復和決策，比如咳嗽三天和咳嗽三個月，患者沒有辦法去判斷具體病情的差異”，張超表示，“全科機器人醫(yī)生不僅能解決患者不知道掛哪個科室、盲目就醫(yī)的問題，減輕導診臺人工服務的壓力，提高服務效率，還有效地利用了‘候診’的時間，節(jié)省醫(yī)生寫病歷的時間，提高診療效率”。

在線體驗智能問答功能（附部分問答步驟）

據悉，康夫子目前已吸收2000多萬本醫(yī)療文獻、超400萬份病例報告，可在其中提取50％～90％的知識點（根據內容復雜程度有所差別），知識準確率超過90％，覆蓋了所有科室約6000種常見疾病。

而這些成績，團隊只花了不到三年的時間。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責人，轉型成為一名創(chuàng)業(yè)者。之后，兩位技術合伙人，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。

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

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

但由于這個項目的剛需不強，AI技術的發(fā)揮空間有限，因此半年后，康夫子決定進行項目轉型。此時，基于多年的行業(yè)積累和體驗，張超發(fā)現(xiàn)，在網站搜索上，醫(yī)療健康類的問題常常會出現(xiàn)很多答案，但回復卻并不精確，同一種癥狀甚至會有十幾個可能出現(xiàn)的病癥結果，用戶體驗并不好。

根據癥狀、診斷、治療三個維度中的一種或多種組合推薦相似病例

最終，團隊決定基于此前的技術積累，通過“AI＋數據”的模式賦能醫(yī)療健康領域，從醫(yī)院端（效率）和患者端（體驗）提升醫(yī)療行業(yè)效率。張超表示，短期內將收取一定的服務費，長期則是通過增值服務去變現(xiàn)，比如撮合交易，幫助患者做健康管理、預警等。

鑒于醫(yī)療行業(yè)本身的特質，技術能力和行業(yè)資源必須兼?zhèn)洌瑢Υ?，張超表示，“我們并不直接接觸B端，而是和專業(yè)的機構合作，基于他們搜集的數據，我們再在這些經過脫敏的數據的基礎上進行整理。在這個過程中，新的合作伙伴也會不斷找過來”。

近日，康夫子就與國內領先的云計算識別領導廠商浪潮集團有限公司（以下簡稱浪潮）、山東健康醫(yī)療大數據有限公司（以下簡稱山東健康醫(yī)療）達成戰(zhàn)略合作，依托山東健康醫(yī)療的數據資源，以及浪潮在全國范圍內的“浪潮健康醫(yī)療大數據云平臺”，結合康夫子在醫(yī)療數據治理、AI技術等方面的積累，推進智慧醫(yī)療的落地。

對于所有“AI＋”項目來說，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、隨訪等場景進行遠程醫(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的業(yè)務，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，人們會問，你們具體是做那一塊，很顯然，認知層面發(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，他認為，當前AI行業(yè)的人才本來就非常少，也還遠沒有到全民化，團隊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、團隊實力以及創(chuàng)始人是否值得信賴。

“泡沫要中立來看，可能會浪費一部分資源，但就像駕駛一艘船出海一樣，風大可能吹翻船只，但有風才能遠航，這些都是客觀存在的因素，并不是導致項目走不下去的理由”。