医渡云知识图谱技术赋能临床辅助决策

　　作为国内知识图谱、语义技术、语言理解和知识计算等领域的核心会议，2020全国知识图谱与语义大会吸引了来自清华大学、哈尔滨工业大学、腾讯、阿里巴巴等众多国内知名大学与企业前来参加。多年来，医渡云一直支持并参与CCKS大会评测委员会工作，本届大会医渡云首席人工智能科学家闫峻博士受邀担任大会组委会评审主席（Evaluation Chair）。医渡云算法工程师焦晓康受邀参加此次会议，并在知识图谱工业界论坛发表了主题演讲。

　　

　　成长阶段 奋发有为

　　CCKS（China Conference on Knowledge Graph and Semantic Computing）是由中国中文信息学会语言与知识计算专委会定期举办的全国年度学术会议，致力于促进中国语言与知识计算领域的学术研究和产业发展，为从事相关领域理论和应用研究的学者、机构和企业提供广泛交流的平台。

　　本届大会吸引众多人工智能、知识图谱领域的专家出席，中国科学院数学与系统科学研究院研究员、中国科学院院士陆汝钤院士，作为大会特邀嘉宾，在开幕式上发表了关于发展知识图谱支撑平台研究的主题报告，并在报告中回顾了学术界和企业界对知识图谱支撑平台的研究现状。

　　

　　中国科学院陆汝钤院士开幕式发言

　　知识图谱技术应用相当广泛，该技术可被大量用于金融、医疗、地理、电商、医疗等，并发挥出巨大的作用。通过知识图谱的相关应用，用户可以在最短的时间内了解某项知识，获取到精确信息。

　　目前，知识图谱技术还属于成长阶段，仍然存在着许多挑战和难题没有解决。比如实时知识获取，长尾知识获取，主观知识获取等。如何更加精确理解用户的表达，用户的情感和偏好，如何更好地展示结果，以及跨语言检索等都有待研究。

　　疫情之下 智慧发力

　　由于新冠肺炎疫情的全球流行，在本次大会上，如何通过知识图谱技术促进医疗领域发展，更加受到大家的关注。在本次大会的知识图谱工业界论坛上，医渡云算法工程师焦晓康就医渡云知识图谱技术赋能临床辅助决策，通过《知识图谱与机器学习的融合——可解释的模型构建》的主题报告和参会人员进行了分享与交流。

　　焦晓康表示，“随着人工智能技术的发展和硬件算力的提升，机器学习，特别是深度学习的发展十分迅猛，各类复杂的模型网络结构层出不穷。而在实际应用中，深度学习模型往往伴随着不透明性和不可解释性。我们无法了解深度学习这类‘黑盒’模型的决策过程，因此也无法对需要模型结果的用户，对模型结论的原因进行解释。”

　　现有的临床辅助决策系统的痛点是，单独依靠医学指南的拆解无法应对所有情况，系统无法像资深专家一样解释诊断决策的来龙去脉。因此，医渡云正努力通过知识图谱技术来满足系统使用者对AI模型可解释性的诉求。

　　“黑盒”和“逻辑”的双边优势

　　在医疗人工智能领域有着多年经验和沉淀的医渡云，通过对规则的积累和深度学习，使更多诊断决策具有可解释性，理论上，通过现有知识的扩充挖掘，规则引擎可以无限逼近非线性分类器，即通过可解释的知识规则的集成，逼近深度学习模型的性能表现。通过对规则的深层次挖掘，使医渡云的临床辅助决策系统，可以在现有知识基础上，进行多轮动态阈值下的规则扩充，从而进一步扩展决策的能力。

　　

　　另外，医渡云分享了通过模拟人脑的思维过程，构建理性与感性结合的决策系统。通过构建与输入输出关联的知识片段集合，并对核心节点使用全连接网络进行桥接，然后基于graph embedding（Deepwalk）对全连接网络进行优化，再根据全连接网络被优化的频度进行剪枝，完成混合决策路径图，即可实现将知识片段与非线性模型的桥接，模拟人类结合感性和理性的思考过程。

　　

　　模型可解释是AI在各领域发展的必经之路，不可解释的深度学习模型，是人工智能在众多领域实际应用的一道屏障。知识图谱与AI模型的结合正是为了更好地发挥“黑盒”和“逻辑”的双边优势。医渡云将运用知识图谱技术，通过海量实体、关系和属性的表示，使知识图谱可以部分模拟人脑的认知过程。最终将知识图谱和机器学习模型相融合，进一步辅助机器理解和概念解释，从而让机器的部分决策过程具有一定的可解释性。

　　

　　医渡云算法工程师焦晓康进行Poster讲解