基于雙層建模的知識表達方法在醫(yī)學(xué)知識庫構(gòu)建中的應(yīng)用

張寅升 王 瑞 喬清治 李昊旻 呂旭東 段會龍

1（浙江工商大學(xué)管理工程與電子商務(wù)學(xué)院，杭州 310018）

2（山西大醫(yī)院信息處，太原 030032）

3（浙江大學(xué)附屬兒童醫(yī)院，杭州 310003）

4（浙江大學(xué)轉(zhuǎn)化醫(yī)學(xué)研究院，杭州 310027）

5（浙江大學(xué)生物醫(yī)學(xué)工程與儀器科學(xué)學(xué)院，杭州 310027）

基于雙層建模的知識表達方法在醫(yī)學(xué)知識庫構(gòu)建中的應(yīng)用

張寅升1王 瑞2喬清治2李昊旻3，4?呂旭東5段會龍5

1（浙江工商大學(xué)管理工程與電子商務(wù)學(xué)院，杭州 310018）

2（山西大醫(yī)院信息處，太原 030032）

3（浙江大學(xué)附屬兒童醫(yī)院，杭州 310003）

4（浙江大學(xué)轉(zhuǎn)化醫(yī)學(xué)研究院，杭州 310027）

5（浙江大學(xué)生物醫(yī)學(xué)工程與儀器科學(xué)學(xué)院，杭州 310027）

醫(yī)學(xué)知識庫是臨床決策支持系統(tǒng)（CDSS）的重要組成部分。目前部署在醫(yī)院內(nèi)部的CDSS通常針對特定的需求（如合理用藥、輔助診斷），其知識庫所涵蓋的知識種類比較單一。構(gòu)建一個整合多種不同醫(yī)學(xué)知識種類的協(xié)同知識庫，能夠使得不同類型的知識內(nèi)容作為一個有機整體提供更加全面和有效的決策支持應(yīng)用。提出一種基于雙層建模的知識表達方法，首先分析和歸納臨床信息化環(huán)境下影響診療決策的各類醫(yī)學(xué)知識，如診斷知識、治療知識、藥學(xué)知識等，并對它們之間的協(xié)同關(guān)系進行定義，形成認(rèn)知模型，然后針對特定的知識推理和計算的需求，為每一種知識類型選取具體的知識表達形式，形成最終的計算模型。基于該雙層建模方法所研發(fā)的臨床決策支持系統(tǒng)在三甲醫(yī)院已運行4年多，實踐表明該系統(tǒng)有效解決不同知識類型的集成和推理的需要，為構(gòu)建整合和全面的知識應(yīng)用奠定基礎(chǔ)。

知識表達；知識庫；臨床決策支持系統(tǒng)；雙層建模

引言

臨床決策支持系統(tǒng)（clinical decision support system，CDSS）可以作為貫徹循證醫(yī)學(xué)的一種信息化工具，而醫(yī)學(xué)知識庫是CDSS中的一個基礎(chǔ)性資源，它將醫(yī)學(xué)文獻、教科書中的循證醫(yī)學(xué)知識表達（表征）為計算機可處理的形式并進行存儲，是CDSS提供循證決策支持的基礎(chǔ)。在實際的臨床環(huán)境下，醫(yī)療機構(gòu)采購的CDSS通常來自不同廠商，并針對特定的需求（如合理用藥、輔助診斷、感染控制等）。其知識庫涵蓋的知識種類比較單一，并且大多采用私有的知識表達方法，難以整合形成協(xié)同的（coordinated）知識資源。而這種協(xié)同性的缺失削弱了知識在臨床實踐中的應(yīng)用效果，比如僅有診斷結(jié)論而沒有后續(xù)的治療建議，或者僅有規(guī)范化的治療方案但不能在治療過程中提供劑量調(diào)整等個性化支持。這導(dǎo)致不同類型的知識內(nèi)容難以作為一個有機整體提供更加全面和有效的決策支持。工程領(lǐng)域的解決思路分為兩種：一種是從系統(tǒng)層面上研究如何實現(xiàn)不同類型臨床決策支持系統(tǒng)或服務(wù)之間的協(xié)同，即如何對異構(gòu)系統(tǒng)進行流程集成。另一種是從底層的知識表達模型上進行知識內(nèi)容的整合和再組織，通過構(gòu)建相應(yīng)的知識庫實現(xiàn)統(tǒng)一的知識管理。本研究重點對第二種思路進行研究，目標(biāo)是設(shè)計一種能夠包容各種不同知識類型及其協(xié)同關(guān)系的知識表達方法。

1 基于雙層建模的知識表達方法

為實現(xiàn)對各種不同知識類型及其協(xié)同關(guān)系的表達，直接的解決思路是定義一個相對完備的模型，把各種所需要的知識以規(guī)范化的方式表達在這個模型中。然而，這種方案在應(yīng)對醫(yī)學(xué)這個特定領(lǐng)域時存在若干局限性。首先，相比于其他領(lǐng)域，醫(yī)學(xué)領(lǐng)域的知識比較復(fù)雜，自主設(shè)計一個相對完備的模型所需的工作量會非常巨大，不但需要考慮領(lǐng)域本身的知識體系結(jié)構(gòu)和各種知識種類的特點，還需要兼顧各種應(yīng)用場景的具體需要；其次，知識表達模型需要相應(yīng)的執(zhí)行引擎或推理技術(shù)來驅(qū)動知識內(nèi)容，而實現(xiàn)一個與自定義模型相匹配的知識執(zhí)行功能并非易事。以上兩點可歸結(jié)為認(rèn)知充分性（epistemological adequacy）問題和啟發(fā)充分性（heuristical adequacy）［1］問題，前者強調(diào)對目標(biāo)領(lǐng)域內(nèi)感興趣實體的表達能力，后者強調(diào)知識表達對于知識推理和解決問題的便利性。對于復(fù)雜領(lǐng)域，單一的知識表達形式難以涵蓋領(lǐng)域中形態(tài)多樣和特征各異的知識類型，也難以滿足高效推理的要求，因此需要多種不同的知識表達形式的共存和互補［2］。

基于以上思路，本研究設(shè)計了一種雙層建模的知識表達方法，將知識表達模型劃分為頂層模型和底層模型（見圖1），頂層模型負(fù)責(zé)對不同知識類之間的語義關(guān)聯(lián)進行定義，而底層模型包含各類知識的具體表達形式，可以定制各自適用的表達形式或復(fù)用現(xiàn)有的表達規(guī)范。頂層模型是一個認(rèn)知模型（epistemological model），包含了針對特定需求或任務(wù)所需要的知識類型，而底層模型是一個計算模型（computational model），即適合計算機系統(tǒng)執(zhí)行和處理的數(shù)據(jù)結(jié)構(gòu)。兩種模型相互關(guān)聯(lián)，一方面滿足了領(lǐng)域?qū)＜覍︻I(lǐng)域整體框架和脈絡(luò)的把握，另一方面又使得知識內(nèi)容滿足了計算機系統(tǒng)推理和處理的需要。

圖1 基于雙層建模的知識表達方法Fig.1 A knowledge representation method based on two-layer modeling

1.1 認(rèn)知模型的構(gòu)建

認(rèn)知模型的建立首先需要決定將哪些種類的醫(yī)學(xué)知識納入知識表達的范圍。從CDSS的角度出發(fā)，本研究優(yōu)先考慮影響診療決策的基本知識，并使用本體技術(shù)定義了圖2所示的認(rèn)知模型。認(rèn)知模型將領(lǐng)域知識分成人可讀知識和計算機可執(zhí)行知識兩大類別。人可讀知識是一類非結(jié)構(gòu)化的知識工件（artifact），包含了臨床指南、系統(tǒng)綜述等次級循證醫(yī)學(xué)知識和隨機對照試驗等初級知識，以便于臨床工作者高效地閱讀和獲取知識。這類知識能夠?qū)εR床決策支持干預(yù)作出解釋，并為臨床醫(yī)生的決策提供可靠的參考依據(jù)。計算機可執(zhí)行知識是一類結(jié)構(gòu)化的知識工件，它將人可讀知識轉(zhuǎn)換為計算機可處理的結(jié)構(gòu)和邏輯，并且能夠在信息化環(huán)境中驅(qū)動決策支持應(yīng)用。計算機可執(zhí)行知識又分為規(guī)范化表達的知識（由知識表達規(guī)范所定義的結(jié)構(gòu)來表示和存儲）和硬編碼知識（如編譯到程序內(nèi)部的二進制處理邏輯）。引入硬編碼知識出于以下兩點考慮：首先，在閉源軟件和遺留系統(tǒng)中，硬編碼是知識的普遍存在形式，這類知識沒有被顯式表達而且難以提取，因此通常被排除在知識庫管理之外，不能得到有效利用；其次，規(guī)范化知識表達具有內(nèi)在的缺陷［3］，即不能無限細(xì)致地表達全部知識，而硬編碼知識在表達形式和推理形式上不受限制，在實際臨床應(yīng)用中可以按需開發(fā)或集成相應(yīng)的工具，彌補規(guī)范化表達知識的不足。

圖2 用于構(gòu)建醫(yī)學(xué)知識庫的認(rèn)知模型Fig.2 Epistemological model for medical knowledge base

認(rèn)知模型還體現(xiàn)了不同知識之間的關(guān)聯(lián)：一是臨床問題實體作為紐帶關(guān)聯(lián)起診斷類知識和治療類知識。基于這種關(guān)聯(lián)，當(dāng)診斷規(guī)則產(chǎn)生臨床問題后，以該臨床問題為準(zhǔn)入條件的臨床協(xié)議可以同時被推薦給臨床醫(yī)生，以實現(xiàn)更加全面的決策支持。二是硬編碼形式的知識補充規(guī)范化表達的知識。硬編碼形式的知識不受限于特定的知識表達形式，可以由各種第三方或自主開發(fā)的應(yīng)用工具提供，能夠為規(guī)范化表達的知識提供有力的補充。三是人可讀的知識為計算機可執(zhí)行的知識提供臨床證據(jù)參考。在提供決策支持干預(yù)時同時提供現(xiàn)場臨床證據(jù)可以提高醫(yī)務(wù)人員對干預(yù)的認(rèn)同和對相關(guān)循證醫(yī)學(xué)知識的認(rèn)知，以改善臨床實踐。

1.2 計算模型的構(gòu)建

認(rèn)知模型是一個上層本體（upper ontology），對其進一步細(xì)化為計算模型后，才能成為滿足CDSS實際需要的應(yīng)用本體（application ontology）。認(rèn)知模型細(xì)化為計算機模型的過程是一個確定子表達形式（subformalism［1］）的過程，即為認(rèn)知模型中的類選取具體的知識表達形式和受控術(shù)語集，從而將其轉(zhuǎn)化為計算機可識別和可處理的形式。圖3顯示了從認(rèn)知模型生成計算模型的過程。計算模型可以根據(jù)不同的知識類型按需定制表達和推理方法，也可以復(fù)用已有的知識表達規(guī)范和相應(yīng)的推理引擎，例如，“臨床數(shù)據(jù)項”可以使用UMLS（一體化醫(yī)學(xué)語言系統(tǒng)）、SNOMED CT等本體系統(tǒng)進行限定；“診斷規(guī)則” 可以使用 Arden Syntax［4］、Drools 規(guī)則語言（Drools Rule Language，DRL）［5］、CLIPS（C 語言集成產(chǎn)生式系統(tǒng)）等規(guī)則語言進行表達和推理；“臨床問題”可以使用ICD進行限定；“醫(yī)囑集”可以使用HL7 Order Sets Specification［6］進行表達；“臨床路徑”可以使用 GLIF、SAGE［7］、PetriNet［8］（及衍生語言）等流程類的建模語言進行表達和推理；“檢驗”項目可以使用LOINC進行限定；“手術(shù)”項目可以使用現(xiàn)行操作術(shù)語（current procedural terminology，CPT）［9］進行限定；“用藥”項目可以使用 NDF-RT、RxNorm［10］等術(shù)語系統(tǒng)進行限定。

圖3 根據(jù)認(rèn)知模型生成計算模型。圖中上層本體對應(yīng)認(rèn)知模型，其中的類經(jīng)過特定的知識表達形式及術(shù)語系統(tǒng)表達和約束后，形成計算模型Fig.3 Deriving computational model from epistemological model.In this figure，the upper ontology is the epistemological model.The computational model is generated by specifying concrete knowledge representation formulisms and terminologies for concepts in the epistemological model.

計算模型將醫(yī)學(xué)知識轉(zhuǎn)化為計算機可處理的形式，并決定了知識庫的存儲結(jié)構(gòu)?；趯ο箨P(guān)系映射（object-relational mapping，ORM）［11］等技術(shù)，可在一定程度上實現(xiàn)從計算模型到知識庫存儲結(jié)構(gòu)的自動化構(gòu)建和同步更新。常用的ORM包括微軟.Net平臺的 Entity Framework、Java平臺下的Hibernate等。

2 系統(tǒng)實現(xiàn)

基于以上的雙層建模方法，在國內(nèi)某三甲醫(yī)院構(gòu)建了醫(yī)學(xué)知識庫，并在住院部的醫(yī)囑錄入（computerized physician order entry，CPOE）系統(tǒng)中實現(xiàn)了若干決策支持應(yīng)用。

2.1 醫(yī)學(xué)知識庫建設(shè)

醫(yī)學(xué)知識庫采用SQL Server關(guān)系型數(shù)據(jù)庫實現(xiàn)，數(shù)據(jù)庫結(jié)構(gòu)通過ORM技術(shù)從知識表達模型生成，當(dāng)前版本的數(shù)據(jù)庫共包含了62張數(shù)據(jù)表。通過部署在醫(yī)院內(nèi)部的網(wǎng)絡(luò)化知識編輯系統(tǒng)（http：//ktp.brahma.top/），臨床專家不斷對知識庫的內(nèi)容進行維護，并形成了初具規(guī)模的知識資源。表1列出了當(dāng)前知識庫中一些有代表性的知識內(nèi)容，涵蓋了多種類型的知識及相互關(guān)聯(lián)。

2.2 臨床決策支持系統(tǒng)

本研究提出的知識表達模型和構(gòu)建的醫(yī)學(xué)知識庫集成了多種類型的知識，并規(guī)范化表達了它們之間的關(guān)聯(lián)，從而為實現(xiàn)全面而協(xié)同的決策支持奠定了基礎(chǔ)。在CDSS的系統(tǒng)構(gòu)建上，本研究以醫(yī)學(xué)知識庫為起點，首先為每一類醫(yī)學(xué)知識提供相應(yīng)的知識服務(wù)（如用于診斷規(guī)則和用藥規(guī)則的推理模塊），然后通過工作流引擎實現(xiàn)對不同知識服務(wù)的編排（orchestration）和協(xié)同調(diào)用，最終形成了一套集成在醫(yī)囑錄入系統(tǒng)（CPOE）中的協(xié)同 CDSS［12］。圖4展示了系統(tǒng)中一些典型的決策支持應(yīng)用。A區(qū)域為臨床問題列表，其中的臨床問題根據(jù)診斷規(guī)則推理得出。根據(jù)知識表達模型中所定義的硬編碼形式知識與規(guī)范化表達的知識的關(guān)聯(lián)，用戶上傳到知

識庫中的二進制插件工具可以被注冊到臨床問題上，為其提供豐富的擴展功能。例如，圖中a是針對類風(fēng)濕關(guān)節(jié)炎的插件工具按鈕，點擊后彈出B所示的DAS28類風(fēng)濕關(guān)節(jié)炎疾病活動性評分工具，用戶也可以將這些工具注冊到用戶工具欄（圖中c）。對于推理得出的臨床問題，點擊后可以顯示與該問題相關(guān)的診斷規(guī)則和臨床數(shù)據(jù)項（圖中C區(qū)域），進一步可以查看相關(guān)臨床數(shù)據(jù)項的歷史變化曲線（窗口D），以直觀顯示該臨床問題的發(fā)展趨勢。點擊圖中b所示的Infobutton，可以查看與該臨床問題相關(guān)的臨床指南（窗口E）。針對每個臨床問題的臨床協(xié)議會同步推送給醫(yī)生（圖中F區(qū)域），用戶只需要點擊應(yīng)用按鈕（圖中d）就可以在醫(yī)囑錄入?yún)^(qū)域生成醫(yī)囑。在應(yīng)用臨床協(xié)議的過程中，還可以自動調(diào)用執(zhí)行與醫(yī)囑項目相關(guān)聯(lián)的插件工具，如G顯示了胰島素個性化劑量調(diào)整工具。圖中H為藥物醫(yī)囑的Infobutton，點擊后彈出與該藥品相關(guān)的藥品說明書（窗口I）。醫(yī)生提交醫(yī)囑時，會觸發(fā)知識庫中的用藥規(guī)則，對醫(yī)囑項進行合理用藥審查，檢測到的劑量、禁忌征、相互作用等用藥提醒會通過消息窗口J推送給醫(yī)生。

表1 知識庫中維護的內(nèi)容Tab.1 Maintained contents in the knowledge base

圖4 在CPOE中實現(xiàn)的臨床決策支持（A—臨床問題列表；B—DAS28類風(fēng)濕關(guān)節(jié)炎疾病活動性評分工具；C—推理臨床問題所用的診斷規(guī)則和臨床數(shù)據(jù)項；D—臨床問題相關(guān)數(shù)據(jù)項的歷史變化趨勢；E—高血壓的臨床指南；F—高血壓的標(biāo)準(zhǔn)醫(yī)囑集和臨床路徑；G—胰島素劑量調(diào)整工具；H—下達藥物醫(yī)囑的Infobutton；I—肝素鈉注射液藥品說明書；J—合理用藥警報）Fig.4 Clinical decision support in CPOE（A-Clinical problem list；B-Rheumatoid arthritis DAS28 calculator；CThe diagnostic rule and clinical data items used to generate the current problem；D-Historical trends of related clinical data items for the current problem；E-Hypertension clinical guideline；F-Standard order sets and clinical pathways for hypertension；G-insulin dosing advisor；H-Infobutton for prescribing medication；I-the drug label for the heparin injection；J-Drug use alerts）

基于不同知識類型之間的協(xié)同關(guān)系，系統(tǒng)實現(xiàn)了“‘臨床數(shù)據(jù)’驅(qū)動‘診斷規(guī)則’→產(chǎn)生‘臨床問題’→推薦‘臨床協(xié)議’”這樣的一體化決策支持流程，并實現(xiàn)了硬編碼插件工具在診療流程中的無縫介入。系統(tǒng)于2013年在國內(nèi)三甲醫(yī)院上線，目前已運行4年多。該系統(tǒng)使得不同種類的知識能夠作為一個有機整體提供更加全面和有效的決策支持，是CDSS在臨床實踐中的一個成功案例。

3 討論

本研究提出了一種基于雙層建模的知識表達方法，從表達粒度（granularity）上將表達模型劃分成認(rèn)知模型和計算模型兩個層次。認(rèn)知模型是一個相對抽象的模型，負(fù)責(zé)對知識類型及相互之間的關(guān)系進行定義。計算模型擁有更加細(xì)致的表達粒度，使得特定類型的知識具備實際的可執(zhí)行或可推理能力。這種雙層模型即能夠滿足用戶自定義表達和推理方法的需要，又能夠兼容和復(fù)用各種已有的知識表達規(guī)范（見圖3）。在研究提出的雙層建模方法中，認(rèn)知模型恰好可以作為一個主體框架（backbone）去整合各種不同的知識表達形式。本研究提出的這種由粗入細(xì)的建模方式符合人類的自然思維習(xí)慣，可推廣到其他領(lǐng)域的建模和知識表達。

本研究構(gòu)建的知識表達模型定義了不同知識類型之間的語義關(guān)聯(lián)，并基于這個模型在臨床中進行了系統(tǒng)實踐，成功構(gòu)建了醫(yī)學(xué)知識庫和相應(yīng)的臨床決策支持系統(tǒng)。當(dāng)前版本的知識表達模型包含了臨床環(huán)境下決策支持所需的典型知識類型，隨著后續(xù)臨床需求的增加，還可以向知識表達模型中擴展更多知識類型和語義關(guān)系，使得知識庫和臨床決策支持系統(tǒng)能夠及時響應(yīng)不斷出現(xiàn)的新型醫(yī)學(xué)知識。如，以基因組學(xué)為代表的新型知識和高通量檢驗技術(shù)，正在逐步進入臨床以指導(dǎo)個性化醫(yī)療實踐。針對這類新的知識，當(dāng)前的表達模型不僅可以將基因組學(xué)知識納入知識庫，還可以建立它們與已有知識（如臨床問題等表型知識和合理用藥規(guī)則）的關(guān)聯(lián)。從技術(shù)層面考慮，當(dāng)模型擴展了新的知識類型和語義關(guān)系后，對象關(guān)系映射技術(shù)可以方便地實現(xiàn)知識庫存儲模式與表達模型的同步更新，使得知識庫能夠及時響應(yīng)快速發(fā)展的新型醫(yī)學(xué)知識。

在本研究中，醫(yī)學(xué)文獻是CDSS知識庫內(nèi)容的主要來源，然而不能忽視的是，以文獻為主要傳播途徑的醫(yī)學(xué)研究正呈現(xiàn)出快速增長趨勢，如何將這些新發(fā)現(xiàn)的知識及時且迅速地轉(zhuǎn)化為符合知識庫表達模型的結(jié)構(gòu)化內(nèi)容是CDSS面臨的一個重大挑戰(zhàn)。醫(yī)學(xué)自然語言處理和文本挖掘等技術(shù)作為醫(yī)學(xué)信息學(xué)領(lǐng)域的研究熱點，有望實現(xiàn)自動化或半自動化的結(jié)構(gòu)化的知識提取，這也是接下來將持續(xù)開展的一項工作。除了公開發(fā)表的醫(yī)學(xué)文獻，醫(yī)療機構(gòu)內(nèi)部伴隨著診療業(yè)務(wù)開展而產(chǎn)生的大量臨床數(shù)據(jù)也是極具價值的潛在學(xué)習(xí)資源?；谶@些臨床數(shù)據(jù)，可以形成更符合本地醫(yī)療機構(gòu)的診療規(guī)程和結(jié)構(gòu)化知識，對于改進CDSS的本地化應(yīng)用具有重要價值。例如，美國衛(wèi)生信息技術(shù)協(xié)調(diào)員辦公室（Office of the National Coordinator for Health Information Technology，ONC）將快速學(xué)習(xí)（rapid learning）作為其 5年戰(zhàn)略計劃（2011-2015）的目標(biāo)之一，以充分挖掘臨床數(shù)據(jù)的重大潛力；2014年ONC進一步將學(xué)習(xí)型醫(yī)療系統(tǒng)（learning health system，LHS）作為其未來10年的戰(zhàn)略目標(biāo)。因此，如何基于臨床數(shù)據(jù)實現(xiàn)對知識庫內(nèi)容的擴展也是臨床決策支持系統(tǒng)的研究方向之一。

在系統(tǒng)評估方面，本研究需進一步開展定量評估的工作?；陔p層建模方法所構(gòu)建的CDSS已在臨床使用多年，但目前對系統(tǒng)的評估僅限于臨床用戶的主觀反饋和體驗。后面可以通過系統(tǒng)對照的方式對用戶接受度（對CDSS建議的采納程度）、業(yè)務(wù)流程改進（由一體化決策支持帶來的流程改進和效率提升）、診療效果等指標(biāo)進行量化分析。

［1］ Nebel B.Reasoning and Revision in Hybrid Representation Systems［M］.Berlin：Springer-Verlag Heidelberg，1990.

［2］ Sloman A，Whyweneed manyknowledgerepresentation formalisms ［C］ //Research and Development in Expert Systems IX-Proceedings BCS Expert Systems Conference 1984.Bcston：Cambridge University Press，1985：235.

［3］ Weng C，Tu SW，Sim I，et al.Formal representations of eligibility criteria：A literature review ［J］.Journal of Biomedical Informatics，2010，43（3）：451-467.

［4］ Kraus S，Enders M，Prokosch HU，et al.Accessing complex patient data from Arden Syntax Medical Logic Modules ［J］.Artificial Intelligence in Medicine，2015，In Press.

［5］ Fobel A，Subramanian N，Comparison of the performance of Drools and Jena rule-based systems for event processing on the semantic web ［C］ //IEEE International Conference on Software Engineering Research，Management and Applications.Hammamet：IEEE，2016：24-30.

［6］ McClay JC，Campbell JR，Parker C，et al.，Structuring Order Sets for Interoperable Distribution ［C］ //AMIA 2006 Symposium：Biomedical and Health Informatics.Washington，DC：American Medical Informatics Association，2006：549.

［7］ Peleg M. Computer-interpretable clinical guidelines：a methodological review ［J］.Journal of Biomedical Informatics，2013，46（4）：744-763.

［8］ Weng JT，Ameedeen MA.A survey of petri net tools ［J］.Lecture Notes in Electrical Engineering，2015，315（8）：537-551.

［9］ Hirsch JA，Lesliemazwi TM，Nicola GN，et al.Current procedural terminology：A primer ［J］.Journal of NeuroInterventional Surgery，2015，7（4）：309-312.

［10］ Zhu Q，Jiang G，Chute CG.Profiling structured product labeling withNDF-RT and RxNorm ［J］. JournalofBiomedical Semantics，2012，3（1）：16-20.

［11］ Torres A，Galante R，Pimenta MS，et al.Twenty years of objectrelational mapping：A survey on patterns，solutions，and their implications on application design ［J］.Information and Software Technology，2017，82：1-18.

［12］ 張寅升，南山，段會龍，等.基于工作流管理技術(shù)的醫(yī)學(xué)知識庫集成與協(xié)同應(yīng)用 ［J］.中華醫(yī)院管理雜志，2016，32（11）：833-836.

A Knowledge Representation Method Based on Two-Layer Modeling for Constructing Medical Knowledge Base

Zhang Yinsheng1Wang Rui2Qiao Qingzhi2Li Haomin3，4?Lv Xudong5Duan Huilong5

1（School of Management and E-Busineess，Zhejiang Gongshang University，Hangzhou310018，China）

2（Department of Information，Shanxi Dayi Hospital，Taiyuan030032，China）

3（Children’s Hospital，Zhejiang University，Hangzhou310003，China）

4（Institute of Translational Medicine，Zhejiang University，Hangzhou310027，China）

5（College of Biomedical Engineering＆Instrument Science，Zhejiang University，Hangzhou310027，China）

Medical knowledge base is an important asset for clinical decision support system（CDSS）.Current CDSSs deployed in hospitals are mostly targeted at specific requirements（e.g.rational drug use，computeraided diagnosis），and their knowledge bases usually contain one specific type of knowledge.A comprehensive knowledge base that can coordinate different types of medical knowledge is essential for building integral and effective decision support applications.This paper proposes a knowledge representation method based on twolayer modeling.First，an epistemological model is constructed to cover various diagnostic and therapeutic knowledge types used in clinical settings，as well as their coordinative relationships.Then，based on specific reasoning and computation requirements，concrete representation formulisms are assigned to each knowledge type to form the final computational model.A clinical decision support system based on this two-layer modeling method has been running for more than 4 years in a Class III hospital.Practices show that the system effectively solved the need of integrating and reasoning of different knowledge types，and has established a foundation for building integral and comprehensive knowledge applications.

knowledge representation；knowledge base；clinical decision support system；two-layer modeling

R318 文獻標(biāo)志碼：A 文章編號：0258-8021（2017）05-0573-07

10.3969 /j.issn.0258-8021.2017.05.009

2016-11-25，錄用日期：2017-04-26

國家高技術(shù)研究發(fā)展計劃（863計劃）（2012AA02A601）；國家自然科學(xué)基金（30900329）

?通信作者（Corresponding author），E-mail：hmli@zju.edu.cn

（致謝：本研究受浙江省信息化與經(jīng)濟社會發(fā)展研究基地資助）