国医大师干祖望诊治鼻炎医案的知识图谱构建及用药规律研究

作     者：李玥 

作者单位：南京中医药大学 

学位级别：硕士

导师姓名：李文林

授予年度：2024年

学科分类：1005[医学-中医学] 081203[工学-计算机应用技术] 08[工学] 100511[医学-中医五官科学] 0835[工学-软件工程] 10[医学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：大语言模型 知识图谱 自动化抽取 处方推荐 用药经验 

摘      要：鼻炎是一种耳鼻喉科常见疾病,在我国发病率较高。虽然鼻炎通常不会威胁生命安全,但它会严重影响患者的生活质量。国医大师干祖望在治疗耳鼻喉科疾病方面具有丰富的经验,他在中医耳鼻喉科领域做出了许多贡献,不仅在理论创新方面有所突破,如提出了“五诊和“十纲等概念,还创新出“鼻渊合剂和“参梅含片等经验方。干祖望教授的工作和研究对整个中医领域产生了深远的影响,并获得了广泛的认可和尊敬。然而,由于医案信息的非结构化特点,如何快速利用计算机技术挖掘国医大师的医案数据,发现其中隐藏的用药规律,以实现辅助治疗,已成为中医药信息领域的研究热点。针对这一问题,本文以知识图谱为基础,结合大语言模型对干祖望教授的医案文本进行整理和分析。主要研究内容如下: (1)针对耳鼻喉科知识图谱暂未有可复用的本体模型这一问题,本文通过对干祖望教授临证经验的背景知识梳理,自顶向下完成了以国医大师医案书写格式为基础的医案本体构建,致力于为后续进一步进行医案中的知识序化提供清晰的模式参考。 (2)考虑到传统的医案知识抽取多采用人工标注方法,导致抽取成本过高的因素,为减少人工投入时间并加快抽取进程,本文利用大语言模型的上下文理解与文本生成能力,微调大语言模型,实现自动抽取疾病、症状、检查、舌象、脉象等实体及其对应关系与属性。经过多模型对比实验,证实了大语言模型在知识抽取方面的强大性能。在构建知识图谱的过程中,参考模式层与数据层进行Schema的设置,利用微调后的大语言模型对非结构化医案文本进行自动化抽取,生成的结构化的三元组数据同步存储到图数据库Nebula Graph中,并通过Cypher语言实现知识的可视化表达,这一过程简化了实体导入和关系连接的步骤,使构建一步到位。 (3)由于知识图谱的构建以患者为中心,容易忽视干祖望教授诊疗时的用药规律。本文采用多种数据挖掘技术对干祖望教授的用药规律进行全面分析,使用关联规则、皮尔逊相关系数等方式揭示了国医大师的用药经验和药物之间的潜在关联关系,补充了知识图谱中未展现出来的隐性信息。 (4)为方便医案经验学习,利用Django框架开发了集成知识图谱展示、中药信息检索、医案数据挖掘和医案处方推荐四个功能的国医大师医案用药规律分析系统,为中医辅助诊疗提供新思路。 本文以国医大师干祖望教授诊疗医案为数据基础,通过专业人士识别实现了医案的可读性处理,利用大语言模型对非结构化医案文本进行自动抽取,生成结构化的三元组数据,并同步存储到图数据库Nebula Graph中,简化了实体导入和关系连接的过程。利用Cypher语言实现知识的可视化表达,通过多种数据挖掘方法对干祖望教授的用药规律进行全面分析,皮尔逊相关系数等挖掘结果补充了知识图谱中未展现出来的隐形信息。最后,利用Django框架开发了干祖望教授医案用药规律分析系统平台,为中医诊疗用药规律的研究提供新的研究思路。