7月23日-27日，人工智能領(lǐng)域智能信息檢索方向最權(quán)威的國際會議“第46屆國際計算機學(xué)會信息檢索大會”（SIGIR 2023）在中國臺灣省臺北市舉行。大會公布了投稿論文入選名單，由深蘭科學(xué)院多名科技研發(fā)人員合力撰寫的論文《MDKG：基于圖的醫(yī)學(xué)知識引導(dǎo)對話生成》（Graph-Based Medical Knowledge-Guided Dialogue Generation）被大會收錄并發(fā)表。

ACM SIGIR（International ACM SIGIR Conference on Research and Development in Information Retrieval）是由美國計算機協(xié)會（ACM）發(fā)起主辦，始創(chuàng)于1971年，是中國計算機學(xué)會（CCF）推薦的A類國際學(xué)術(shù)會議，也是展示信息檢索新的系統(tǒng)、技術(shù)和研究成果的國際舞臺。今年的會議，一共收到來自全球的822篇論文投稿，其中有165篇論文被錄用，錄用率僅有20.1%。本次深蘭科學(xué)院被收錄的論文《MDKG：基于圖的醫(yī)學(xué)知識引導(dǎo)對話生成》（Graph-Based Medical Knowledge-Guided Dialogue Generation）是圍繞醫(yī)療領(lǐng)域?qū)υ拞柎鹕蓡栴}展開探索。這代表著現(xiàn)有醫(yī)療對話系統(tǒng)（MDS）的最優(yōu)研究結(jié)果被刷新，通過快速學(xué)習(xí)和完善醫(yī)學(xué)知識圖譜來推理新的疾病癥狀的問診方法的出現(xiàn)，將進(jìn)一步推動AI醫(yī)療技術(shù)的發(fā)展。

圖1：MDKG模型框架

醫(yī)療對話系統(tǒng)（MDS）旨在通過與患者交談，來獲取自我報告中不存在的其他癥狀并進(jìn)行自動診斷。它不僅能夠簡化診斷過程并降低從患者處獲取信息的成本，而且其產(chǎn)生的初步診斷報告，還能幫助醫(yī)生做出更有效地診斷。這引起了深蘭科學(xué)院研究員的廣泛關(guān)注?，F(xiàn)有的醫(yī)療對話系統(tǒng)（MDS）雖然具備了像人類醫(yī)生一樣通過與患者的對話進(jìn)行診斷的能力，但系統(tǒng)大多基于序列建模，沒有考慮醫(yī)學(xué)知識自主學(xué)習(xí)。這使得系統(tǒng)在信息有限的疾病情況下更容易誤診。為了克服這個問題，深蘭提出了MDKG，一種用于醫(yī)學(xué)對話生成（MDG）的端到端對話系統(tǒng)，專門設(shè)計用于通過快速學(xué)習(xí)和發(fā)展元知識圖來適應(yīng)新疾病，依靠醫(yī)學(xué)知識圖來提取疾病-癥狀關(guān)系，并使用基于動態(tài)圖的元學(xué)習(xí)框架來學(xué)習(xí)如何進(jìn)化給定的知識圖來推理疾病-癥狀相關(guān)性。因為這種方法結(jié)合了醫(yī)學(xué)知識，因此減少了大量對話的需要。如表1，深蘭在CMDD和春雨數(shù)據(jù)集上評估了MKDG模型，相關(guān)數(shù)據(jù)集在以往的類似研究中被廣泛使用。

表1：春雨和CMDD數(shù)據(jù)集的詳細(xì)定性結(jié)果

本次評估使用了BLEU和Entity-F1兩個自動度量來評估該方法的性能。BLEU分?jǐn)?shù)用來評估生成響應(yīng)的質(zhì)量，而Entity-F1分?jǐn)?shù)用來衡量實體預(yù)測任務(wù)的成功率。根據(jù)以上兩個數(shù)據(jù)集評估的結(jié)果，將SLAKE知識圖集成到框架中可以提高醫(yī)療對話系統(tǒng)（MDS）的性能。數(shù)據(jù)顯示，深蘭科學(xué)院開創(chuàng)性提出的MDKG模型，在基于BLEU和Entity自動度量的評估中刷新了這兩項的最高得分記錄。在“春雨數(shù)據(jù)集”的BLEU和Entity自動度量評估中，深蘭方案較原有最佳方案得分分別高出1.7和4.32分；在CMDD數(shù)據(jù)集中，則較原有最佳方案得分分別高出0.97和3.42分。

圖2：采用了MDKG模型的肝硬化診斷對話案例

本次論文的研究成果除了已經(jīng)被應(yīng)用于醫(yī)療對話系統(tǒng)（MDS）之外，未來還有望被應(yīng)用到深蘭AI醫(yī)療板塊其他產(chǎn)品中去。