臨床實(shí)踐指南實(shí)施性促進(jìn)研究之二：基于非肌層浸潤(rùn)性膀胱癌指南的知識(shí)圖譜框架設(shè)計(jì)

王永博，高 曠，李緒輝，黃 橋，郭 靜，司宜蓓，陳沐坤，閻思宇，胡文斌，靳英輝

1. 武漢大學(xué)中南醫(yī)院循證與轉(zhuǎn)化醫(yī)學(xué)中心 （武漢 430071）

2. 武漢大學(xué)計(jì)算機(jī)學(xué)院（武漢 430072）

3. 南京中醫(yī)藥大學(xué)附屬醫(yī)院針灸康復(fù)科（南京 210029）

4. 武漢大學(xué)第二臨床學(xué)院（武漢 430071）

臨床指南是基于系統(tǒng)評(píng)價(jià)證據(jù)，平衡不同干預(yù)措施的利弊后形成的旨在為醫(yī)生和患者提供符合實(shí)際情況的推薦意見[1]。臨床指南的內(nèi)容不僅整合了該領(lǐng)域權(quán)威專家的臨床指導(dǎo)意見，而且涵蓋了基本的臨床相關(guān)理論知識(shí)和科學(xué)嚴(yán)謹(jǐn)?shù)呐R床診療建議。作為銜接循證醫(yī)學(xué)和臨床實(shí)踐的紐帶，臨床指南在規(guī)范醫(yī)療行為、提高醫(yī)療質(zhì)量、降低醫(yī)療成本、減少醫(yī)療糾紛等方面發(fā)揮著重要作用。指南的轉(zhuǎn)化和應(yīng)用是醫(yī)學(xué)科技成果轉(zhuǎn)化的關(guān)鍵環(huán)節(jié)。但是，有研究指出目前指南的傳播仍然局限于文本形式，導(dǎo)致臨床指南的內(nèi)容不能被實(shí)時(shí)、準(zhǔn)確地查覽，嚴(yán)重阻礙了指南在臨床決策和實(shí)踐中的可操作性，使其難以發(fā)揮真正的價(jià)值[2-4]。

“人工智能+醫(yī)療”是指人工智能通過機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語(yǔ)言處理等技術(shù)，利用計(jì)算機(jī)算法從數(shù)據(jù)中獲取信息，實(shí)現(xiàn)輔助診斷、疾病分診、療法選擇、風(fēng)險(xiǎn)預(yù)測(cè)等一系列功能[5]。隨著人工智能的快速發(fā)展，知識(shí)圖譜已經(jīng)成為知識(shí)服務(wù)領(lǐng)域的研究熱點(diǎn)[6]。Google于2012年首次引入了知識(shí)圖譜的概念，并將其應(yīng)用于搜索引擎，以提高搜索效率。知識(shí)圖譜以結(jié)構(gòu)化的形式描述了客觀世界中的概念、實(shí)體及其之間的關(guān)系，將互聯(lián)網(wǎng)的信息表達(dá)以更接近人類認(rèn)知世界的形式呈現(xiàn)，提供了一種更好的組織、管理和理解互聯(lián)網(wǎng)海量信息的能力[7]。目前，知識(shí)圖譜在醫(yī)學(xué)領(lǐng)域擁有著廣泛的應(yīng)用和發(fā)展前景，如疾病風(fēng)險(xiǎn)評(píng)估、智能咨詢?cè)\療、醫(yī)療質(zhì)量控制和醫(yī)療知識(shí)問答等[8]。構(gòu)建基于臨床指南的醫(yī)學(xué)知識(shí)圖譜對(duì)輔助臨床決策有著重要研究?jī)r(jià)值。

膀胱癌是全球第十大常見腫瘤[9]。全球范圍內(nèi)，男性年齡標(biāo)化發(fā)病率為9.5/10萬(wàn)人，女性2.4/10萬(wàn)人；男性年齡標(biāo)化死亡率為3.3/10萬(wàn)人，女性0.86/10萬(wàn)人[9]。膀胱癌可分為非肌層浸潤(rùn)性膀胱癌（non-muscle invasive bladder cancer，NMIBC）和肌層浸潤(rùn)性膀胱癌。約75%的膀胱癌患者在初次診斷時(shí)為NMIBC[10]。近年來，針對(duì)NMIBC新的診斷、治療方式不斷涌現(xiàn)，為此，世界各國(guó)和地區(qū)不斷制訂、更新NMIBC臨床指南，以指導(dǎo)醫(yī)生的臨床實(shí)踐。我國(guó)也積極推進(jìn)相關(guān)指南制訂工作。本課題組于2018年發(fā)表了《中國(guó)非肌層浸潤(rùn)性膀胱癌治療與監(jiān)測(cè)循證臨床實(shí)踐指南(2018年標(biāo)準(zhǔn)版 )》[11]。

目前鮮有研究圍繞NMIBC臨床指南知識(shí)圖譜設(shè)計(jì)與應(yīng)用展開探討。本文提出并構(gòu)建NMIBC臨床指南知識(shí)圖譜框架，旨在為指南數(shù)字化、智能化提供基礎(chǔ)，以推動(dòng)指南的實(shí)施與傳播。

1 知識(shí)圖譜框架設(shè)計(jì)

1.1 知識(shí)圖譜框架藍(lán)圖

基于NMIBC疾病特征、診療現(xiàn)狀和指南特點(diǎn)以及臨床應(yīng)用常見問題，明確NMIBC臨床指南的知識(shí)圖譜構(gòu)建目標(biāo)，設(shè)計(jì)符合專業(yè)認(rèn)知與實(shí)際需要的NMIBC臨床指南知識(shí)圖譜，圖1為NMIBC知識(shí)圖譜構(gòu)建框架藍(lán)圖。

圖1 NMIBC指南知識(shí)圖譜構(gòu)建的框架藍(lán)圖Figure 1. The framework blueprint for the construction of the NMIBC guideline knowledge graph

1.2 指南內(nèi)容結(jié)構(gòu)化

本研究以《中國(guó)非肌層浸潤(rùn)性膀胱癌治療與監(jiān)測(cè)循證臨床實(shí)踐指南(2018年標(biāo)準(zhǔn)版)》[11]為例。該指南共包含8項(xiàng)主題，分別是：NMIBC手術(shù)治療、化療、免疫治療、聯(lián)合治療、NMIBC原位癌治療、NMIBC患者行根治性膀胱切除術(shù)、NMIBC復(fù)發(fā)治療、隨訪及監(jiān)測(cè)。通過對(duì)指南內(nèi)容進(jìn)行梳理，明確該指南涵蓋的基本診治過程，如根據(jù)患者基本信息、疾病特征、診斷，提供相應(yīng)的治療、預(yù)后預(yù)測(cè)及隨訪流程。據(jù)此，對(duì)指南的內(nèi)容范圍進(jìn)行解析，梳理歸納指南內(nèi)容和知識(shí)結(jié)構(gòu)，結(jié)合專家意見設(shè)置NMIBC中各概念間的層級(jí)關(guān)系，對(duì)指南內(nèi)容進(jìn)行結(jié)構(gòu)化組織（圖2）。

圖2 NMIBC指南體系Figure 2. NMIBC guideline system

1.3 概念層（本體層）設(shè)計(jì)

1.3.1 概念結(jié)構(gòu)設(shè)計(jì)

知識(shí)圖譜主要有自頂向下、自底向上及綜合法三種構(gòu)建方式，本研究采用綜合法。該方法首先需定義大量重要概念，然后將它們分別進(jìn)行恰當(dāng)?shù)臍w納和演繹，并與一些中級(jí)概念關(guān)聯(lián)起來。

首先，為知識(shí)圖譜定義概念層與數(shù)據(jù)層模式，并將實(shí)體與關(guān)系加入知識(shí)庫(kù)。概念是指具有同種特性的實(shí)體構(gòu)成的集合。本體是結(jié)構(gòu)化知識(shí)庫(kù)的概念模板，通過概念層設(shè)計(jì)而形成的知識(shí)庫(kù)不僅層次結(jié)構(gòu)較強(qiáng)，且冗余程度較小。概念層是數(shù)據(jù)的模式，是對(duì)數(shù)據(jù)層的提煉。數(shù)據(jù)層主要由一系列的事實(shí)組成，而知識(shí)將以事實(shí)為單位進(jìn)行存儲(chǔ)，即數(shù)據(jù)層是具體的數(shù)據(jù)。概念層構(gòu)建在數(shù)據(jù)層之上，是知識(shí)圖譜的核心，需依據(jù)其來管理和組織數(shù)據(jù)層。

本研究參照OMAHA Schema（當(dāng)前版本更新于2021年8月20日）進(jìn)行概念層提取[12]。OMAHA Schema旨在為中文醫(yī)學(xué)領(lǐng)域的知識(shí)圖譜構(gòu)建、數(shù)據(jù)挖掘、語(yǔ)義分析等提供可參考和可擴(kuò)展的數(shù)據(jù)定義和描述規(guī)范。在Schema的構(gòu)建過程中，充分研究和參考了國(guó)內(nèi)外成熟的知識(shí)圖譜Schema（UMLS語(yǔ)義網(wǎng)絡(luò)、Schema.org、cnSchema等），同時(shí)也考慮了中文醫(yī)學(xué)知識(shí)的特點(diǎn)，是一套符合中文環(huán)境的醫(yī)學(xué)知識(shí)圖譜。NMIBC指南體系的大部分內(nèi)容都符合OMAHA Schema規(guī)范，對(duì)臨床指南中OMAHA Schema未包含的概念層，本研究通過反復(fù)討論進(jìn)行補(bǔ)充，整理出的NMIBC本體二級(jí)概念結(jié)構(gòu)，如表1所示。

表1 NMIBC指南本體概念結(jié)構(gòu)（部分）Table 1. Conceptual structure for NMIBC guideline (part)

續(xù)表1

1.3.2 實(shí)體語(yǔ)義關(guān)系設(shè)計(jì)

為實(shí)現(xiàn)指南結(jié)構(gòu)的概念整合，其中一個(gè)重要的步驟是使這些概念層在語(yǔ)義上形成關(guān)聯(lián)，以構(gòu)成一個(gè)完整的指南結(jié)構(gòu)體。本研究團(tuán)隊(duì)根據(jù)OMAHA Schema設(shè)計(jì)了一張以NMIBC知識(shí)圖譜為使用對(duì)象的實(shí)體語(yǔ)義關(guān)系表（表2，圖3），不同疾病知識(shí)圖譜的概念關(guān)系可在此表的基礎(chǔ)上進(jìn)行設(shè)計(jì)并使用，也可對(duì)特定關(guān)系進(jìn)行補(bǔ)充。

圖3 NMIBC指南本體設(shè)計(jì)中實(shí)體語(yǔ)義關(guān)系圖（部分）Figure 3. Entity semantic relation diagram in NMIBC guideline ontology design (part)

表2 NMIBC指南本體設(shè)計(jì)中實(shí)體語(yǔ)義關(guān)系（部分）Table 2. Entity semantic relation in NMIBC guideline ontology design (part)

1.4 數(shù)據(jù)層（實(shí)體和關(guān)系）設(shè)計(jì)

實(shí)體是指具有可區(qū)別性且獨(dú)立存在的某種事物。實(shí)體是知識(shí)圖譜中最基本的元素，不同的實(shí)體間存在不同的關(guān)系。關(guān)系用于刻畫實(shí)體和實(shí)體之間的聯(lián)系。

構(gòu)建指南數(shù)據(jù)層的目的是從不同格式的臨床指南中提取醫(yī)學(xué)知識(shí)，并將醫(yī)學(xué)知識(shí)轉(zhuǎn)換為可被計(jì)算機(jī)處理的數(shù)據(jù)格式。本研究基于三元組數(shù)據(jù)模型構(gòu)建數(shù)據(jù)層，揭示指南內(nèi)各類醫(yī)學(xué)實(shí)體間的關(guān)聯(lián)，并通過若干個(gè)組合的臨床指南知識(shí)點(diǎn)，形成臨床指南知識(shí)網(wǎng)絡(luò)。

如表3所示，對(duì)于臨床問題1“NMIBC患者行TURBT的適應(yīng)證”，推薦意見為“對(duì)懷疑為NMIBC的患者，推薦TURBT作為診斷和初始治療的方法”。首先，根據(jù)PICO原則對(duì)該問題進(jìn)行拆分，即人群為“NMIBC患者”、干預(yù)方法為“TURBT”，另外添加問題的主題為“手術(shù)治療”。其次，提取實(shí)例“臨床問題1”與“推薦意見1”，兩者分屬“臨床問題”和“推薦意見”概念層，概念“臨床問題”與“推薦意見”的關(guān)系為“推薦意見”；提取實(shí)例“NMIBC患者”為人群，概念“推薦意見”與“NMIBC患者”的關(guān)系為“相關(guān)人群”；提取“TURBT”為操作，概念“推薦意見”與“TURBT”的關(guān)系為“涉及”；提取實(shí)例“NMIBC患者”與“TURBT”的關(guān)系為“適應(yīng)證”；提取“推薦”為文本，概念“推薦意見”與“推薦”的關(guān)系為“傾向”。臨床問題1的主題為“手術(shù)治療”，提取“臨床問題1”與“手術(shù)治療”，兩者關(guān)系為“主題”。問題2—4的數(shù)據(jù)層（實(shí)體和關(guān)系）設(shè)計(jì)如表4所示。

表3 指南部分問題及推薦意見Table 3. Several questions and recommendations of the guideline

表4 三元組關(guān)系示例Table 4. Examples of triplet relation

1.5 知識(shí)抽取

醫(yī)學(xué)臨床指南中含有大量醫(yī)學(xué)術(shù)語(yǔ)，臨床指南的知識(shí)抽取就是從臨床指南中抽取與概念層設(shè)計(jì)相匹配的實(shí)體和關(guān)系，并將其整理成實(shí)體庫(kù)和三元組關(guān)系庫(kù)。針對(duì)NMIBC臨床指南用語(yǔ)相對(duì)規(guī)范統(tǒng)一、內(nèi)容結(jié)構(gòu)較為明晰、句法搭配相對(duì)固定等特點(diǎn)，本研究選擇人工抽取的方式。后續(xù)系列文章中會(huì)涉及到不同類型、不同版本指南的更新和融合，以及真實(shí)數(shù)據(jù)的挖掘過程，擬采用遠(yuǎn)程監(jiān)督算法進(jìn)行抽取。遠(yuǎn)程監(jiān)督算法是一種半監(jiān)督算法，可基于一個(gè)標(biāo)注好的小型知識(shí)圖譜，給外部文檔庫(kù)中的句子標(biāo)注關(guān)系標(biāo)簽，以實(shí)體識(shí)別為基礎(chǔ)完成關(guān)系抽取，遠(yuǎn)程監(jiān)督關(guān)系抽取類似于多實(shí)例問題（multiple instance problem），借助多實(shí)例學(xué)習(xí)和遠(yuǎn)程監(jiān)督算法可以快速完成知識(shí)的提取和展示。

針對(duì)臨床問題1—4的問題和推薦意見，實(shí)體抽取旨在獲取如表5所示的結(jié)果。關(guān)系抽取參照表2和表4進(jìn)行。若實(shí)體間的關(guān)系需要補(bǔ)充，則通過專家討論協(xié)商。

表5 知識(shí)抽取示例Table 5. Examples of knowledge extraction

1.6 知識(shí)存儲(chǔ)及生成知識(shí)圖譜

明確了所有實(shí)體以及實(shí)體間的關(guān)系后，需設(shè)計(jì)數(shù)據(jù)的物理模型對(duì)知識(shí)進(jìn)行存儲(chǔ)，形成知識(shí)圖譜。與傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)不同，圖形數(shù)據(jù)庫(kù)基于圖理論，以非結(jié)構(gòu)化的方式存儲(chǔ)關(guān)聯(lián)的數(shù)據(jù)，將圖形抽象為節(jié)點(diǎn)、邊等基本元素，其中一個(gè)節(jié)點(diǎn)代表一個(gè)實(shí)體，節(jié)點(diǎn)間的邊代表實(shí)體間的關(guān)系，在關(guān)聯(lián)表示方面具有高效的處理能力。為表示多樣化、復(fù)雜化的醫(yī)學(xué)實(shí)體關(guān)系，本研究組選用Neo4j圖數(shù)據(jù)庫(kù)作為存儲(chǔ)體系?；诔槿〉娜M數(shù)據(jù)模型，設(shè)計(jì)并導(dǎo)入醫(yī)學(xué)節(jié)點(diǎn)和關(guān)系節(jié)點(diǎn)，考慮到疾病臨床指南整理的數(shù)據(jù)為中等規(guī)模以及數(shù)據(jù)可實(shí)時(shí)插入，以CSV文件為主對(duì)數(shù)據(jù)進(jìn)行存儲(chǔ)。

將實(shí)體與關(guān)系整理成CSV格式的文件，導(dǎo)入Neo4j desktop 1.4.9數(shù)據(jù)庫(kù)，輸入cypher語(yǔ)句，生成知識(shí)圖譜：

LOAD CSV WITH HEADERS FROM "file:///Neo4j_Load.csv" AS line

WITH line WHERE line.entityID is not Null and line.valueId is not Null

match (from:entity{id:line.entityID}),(to:entity{id:line.valueId})

merge (from)-[r:rel{property:line.property}]->(to)

其中，entityID為起始實(shí)體ID，valueID為指向?qū)嶓wID，entity為起始實(shí)體，value為指向?qū)嶓w。

輸入cypher語(yǔ)句：

MATCH (n) RETURN n

可得到可視化結(jié)果，即NMIBC指南知識(shí)圖譜全貌，如圖4A所示。

若想獲取所有和“臨床問題1”相連接的實(shí)體及相應(yīng)的關(guān)系，則輸入cypher語(yǔ)句：

match p=(:臨床問題{name:'臨床問題1'})--()return p

4個(gè)臨床問題相連接的實(shí)體及相應(yīng)的關(guān)系如圖4B—E所示。其中推薦意見采用綠色圓形表示，其顏色深淺和節(jié)點(diǎn)圓形的大小分別表示推薦意見不同的證據(jù)等級(jí)和推薦強(qiáng)度，使知識(shí)圖譜節(jié)點(diǎn)展示更清晰直觀，查詢或搜索時(shí)更加方便快捷。

圖4 NMIBC指南知識(shí)圖譜Figure 4. NMIBC guideline knowledge graph

2 臨床實(shí)例驗(yàn)證

NMIBC知識(shí)圖譜可實(shí)現(xiàn)搜索與推薦功能，應(yīng)用于臨床輔助決策。隨著圖數(shù)據(jù)規(guī)模的日益增大，大圖上的子圖搜索問題變得極為重要[13]。以臨床問題1—4為例，通過后臺(tái)代碼演示數(shù)據(jù)庫(kù)檢索過程，以驗(yàn)證檢索的準(zhǔn)確性。

2.1 查詢某操作的適應(yīng)證

對(duì)于臨床問題1:“TURBT的適應(yīng)證？”，該問題的問題類型為查詢某操作的適應(yīng)證，查詢?cè)窂剑?a：操作)-[:適應(yīng)證]->(b:疾病/臨床所見)。

輸入cypher語(yǔ)句：

match (a{name:'TURBT'})-[:適應(yīng)證]->(b) where b:臨床所見 or b:疾病 return b

則可得到圖5A的結(jié)果，即TURBT的適應(yīng)證為“NMIBC”。

圖5 NMIBC指南知識(shí)圖譜臨床實(shí)例驗(yàn)證Figure 5. Validation of clinical examples of the NMIBC guideline knowledge graph

2.2 查詢某操作的禁忌證

對(duì)于臨床問題2:“術(shù)后即刻膀胱灌注化療的禁忌證？”，該問題的問題類型為查詢某操作的禁忌證，查詢?cè)窂绞牵?a：操作)-[:禁忌證]->(b:疾病/臨床所見)。

輸入cypher語(yǔ)句：

match (a{name:'即刻膀胱灌注化療'})-[:禁忌證]->(b) where (b:臨床所見 or b:疾病) return b

則可獲取圖5B的結(jié)果，即術(shù)后即刻膀胱灌注化療的禁忌證為“術(shù)中發(fā)生膀胱穿孔”和“術(shù)后嚴(yán)重肉眼血尿”。

2.3 查詢某人群的操作治療方案中的術(shù)后操作及術(shù)后操作數(shù)量

對(duì)于臨床問題3:“低?；颊咝g(shù)后是否只需行即刻單次膀胱灌注化療？”，該問題的問題類型為查詢某人群的操作治療方案中的術(shù)后操作及術(shù)后操作數(shù)量，查詢?cè)窂剑?a：人群)-...-(:操作治療方案)-[:術(shù)后操作]->(b:操作))。

輸入cypher語(yǔ)句：

match (:人群 {name:"低危NMIBC患者"})-[*..3]-(c:操作治療方案)-[:術(shù)后治療]-(:操作{name:'即刻膀胱灌注化療'})

return

case size((c)-[:術(shù)后治療]->())

when 1 then true

else false

end

則可得到圖5C的結(jié)果，其中第一行代碼檢索術(shù)后治療為即刻膀胱灌注化療的操作治療方案。隨后檢索操作治療方案有幾種術(shù)后治療，檢索結(jié)果是只有一個(gè)，所以回答是“true”。

2.4 查詢指南推薦的操作方式

對(duì)于臨床問題4:“對(duì)NMIBC患者，BCG誘導(dǎo)加維持灌注治療是否優(yōu)于單純BCG誘導(dǎo)灌注治療？”。該問題的問題類型為操作對(duì)比。

輸入cypher語(yǔ)句：

match (a:臨床問題)-[:干預(yù)方法]-(b:操作), (a:臨床問題)-[:對(duì)比方法]-(c:操作)where (b.name='BCG誘導(dǎo)加維持灌注治療' and c.name='BCG誘導(dǎo)灌注治療') or (b.name='BCG誘導(dǎo)灌注治療' and c.name='BCG誘導(dǎo)加維持灌注治療')

match (a)--(:推薦意見)-[:涉及{傾向:'推薦'}]-(d:操作)

return d.name

則可得到圖5D的結(jié)果，其中第一行代碼檢索是否存在有將這兩種操作方法互為對(duì)比的臨床問題。隨后尋找該臨床問題對(duì)應(yīng)的推薦意見。檢索結(jié)果是“BCG誘導(dǎo)加維持灌注治療”。

本研究后續(xù)會(huì)通過規(guī)則匹配的方法，實(shí)現(xiàn)NMIBC系統(tǒng)的后臺(tái)操作代碼。當(dāng)用戶點(diǎn)擊某種治療方式或預(yù)后因素時(shí)，系統(tǒng)會(huì)根據(jù)NMIBC知識(shí)圖譜接收搜索條件內(nèi)容，通過規(guī)則匹配，最后將其轉(zhuǎn)換為Cypher語(yǔ)句并在Neo4j中查詢答案。

本研究采用專家咨詢法，邀請(qǐng)專家對(duì)設(shè)計(jì)的NMIBC知識(shí)圖譜進(jìn)行評(píng)估以驗(yàn)證知識(shí)圖譜的科學(xué)性與合理性，并基于專家意見對(duì)知識(shí)圖譜進(jìn)行修改與補(bǔ)充，確定最終版NMIBC(單一)指南知識(shí)圖譜。

3 討論

本研究基于領(lǐng)域?qū)＜夜沧R(shí)并參照OMAHA Schema，設(shè)計(jì)NMIBC領(lǐng)域的頂層本體，提出并構(gòu)建了NMIBC臨床指南的知識(shí)圖譜框架，其二級(jí)概念架構(gòu)及數(shù)據(jù)層（實(shí)體和關(guān)系）設(shè)計(jì)方法也可為其他疾病臨床指南知識(shí)圖譜的建設(shè)提供參考。本課題組考慮到過多的層數(shù)會(huì)使概念層龐雜而冗余，增加運(yùn)營(yíng)與維護(hù)成本，且過多的層數(shù)會(huì)使概念類別數(shù)量呈指數(shù)增加，為實(shí)體抽取帶來負(fù)擔(dān)。另外，由于實(shí)體提取算法的訓(xùn)練依賴于標(biāo)注數(shù)據(jù)，而少量標(biāo)注數(shù)據(jù)無法覆蓋過多概念類別。因此，本課題組在實(shí)際操作中用二層概念層初步構(gòu)建了該知識(shí)圖譜，發(fā)現(xiàn)其可以合理表達(dá)指南中的概念與語(yǔ)義關(guān)系。

本研究的知識(shí)圖譜構(gòu)建方法著重從知識(shí)源頭對(duì)知識(shí)進(jìn)行優(yōu)化，設(shè)計(jì)并調(diào)整概念間的關(guān)系結(jié)構(gòu)，對(duì)實(shí)體與實(shí)體間的關(guān)聯(lián)進(jìn)行細(xì)化完善，并驗(yàn)證其可行性。對(duì)于指南中臨床問題和推薦意見缺少的實(shí)體，本研究進(jìn)行了補(bǔ)充，以使知識(shí)圖譜節(jié)點(diǎn)更清晰，查詢或搜索時(shí)更方便快捷。另外，在綜合考慮指南數(shù)據(jù)存儲(chǔ)以及為后續(xù)大量指南知識(shí)提取提供參考等情況后，本課題組對(duì)臨床問題根據(jù)PICO原則進(jìn)行拆分，然后由臨床問題指向推薦意見，從而確保指南信息存儲(chǔ)的完整性。對(duì)指南的制訂過程與方法、推薦意見中的操作說明和證據(jù)概述的補(bǔ)充，以及對(duì)不同類型/版本指南的更新和融合將在本系列其他文章展示。

本研究仍存在一定局限。首先，參照OMAHA Schema的語(yǔ)義結(jié)構(gòu)規(guī)范雖然可以保證輸入知識(shí)圖譜的數(shù)據(jù)質(zhì)量，但仍需臨床工作者和工程師對(duì)臨床指南進(jìn)行整理和總結(jié)，對(duì)Schema中缺失的語(yǔ)義類型、屬性關(guān)系進(jìn)行補(bǔ)充。其次，非結(jié)構(gòu)化文本指南中有確定性知識(shí)和不確定性知識(shí)兩種，不確定知識(shí)的選擇和劃分也是難點(diǎn)之一。更好的方法是引入多種知識(shí)表達(dá)方式以增強(qiáng)知識(shí)圖譜的語(yǔ)義表達(dá)能力。

綜上所述，本文提出的NMIBC指南的知識(shí)圖譜框架設(shè)計(jì)不僅為指南數(shù)字化、智能化提供了基礎(chǔ)，同樣可以用于輔助臨床決策，有利于指南的實(shí)施、推廣與傳播。本研究提出的框架設(shè)計(jì)不僅適用于NMIBC的知識(shí)圖譜構(gòu)建，對(duì)于其他醫(yī)學(xué)專業(yè)或通用醫(yī)學(xué)知識(shí)圖譜的構(gòu)建也可以提供思路。