LingShu: A Large-Scale Symptom-Centric Contextualized Knowledge Graph Bridging Traditional Chinese Medicine and Modern Biomedicine
本文介绍了 LingShu，这是一个大规模、以症状为中心的知识图谱，通过利用三元组与上下文四元组的混合模型来显式编码条件性医学关联，从而架起中医药与现代生物医学之间的桥梁，并辅以一个用于可视化与推理的网络平台。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代医学的广袤版图中，患者的症状往往被视为疾病的微不足道的注脚。头痛是偏头痛的一个征兆；咳嗽是肺炎的一个信号。当目标是识别特定的生物学功能障碍并用精确的化学物质进行针对性治疗时，这种方法运作良好。然而，几个世纪以来，另一种医学传统对症状有着不同的看法。在中医理论中，症状不仅仅是一个警告灯；它是复杂且不断变化的拼图中的一块。同样的咳嗽，根据季节、患者的体质或其它细微体征的存在，可能预示着完全不同的内在失衡。这一体系依赖于“辨证”，即通过对症状进行分组来理解一个完整的人，而非仅仅关注损坏的部分。将这两个世界——现代科学的精确分子视角与古代实践的整体论及语境化视角——联系起来，长期以来一直是研究人员面临的挑战。他们需要一种能够组织医学知识的方法，既能容纳生物学的严谨事实，又能承载传统诊断的流动逻辑，且不丢失使任一系统发挥作用的细微差别。
为了解决这个问题，一组研究人员构建了一个名为“灵枢”（LingShu）的大型数字图书馆。想象一张地图，它不仅显示连接城市的道路，还记录了哪些道路仅在特定天气条件下或针对特定类型的车辆开放。这正是该团队为医学知识所创造的东西。与其使用简单的列表，如“药物 A 治疗咳嗽”，灵枢会记录“药物 A 治疗咳嗽，但仅当患者具有被称为‘风寒证’的特定内在失衡时”。通过将症状置于系统的核心，研究人员将超过 1700 万条医学信息连接在一起，涵盖了从古代草本文献、现代医院记录到基因数据库和分子研究的广泛领域。其结果是一个鲜活的、呼吸着的结构，它不仅能解释什么有效，还能解释何时有效以及为何有效。
该项目的启动源于一种认识：即标准的医学数据库往往无法捕捉到治愈过程中的条件性特征。在大多数现有系统中，知识是以简单的配对形式存储的：一种药物与一种疾病相关联，或者一个基因与一种蛋白质相关联。这对于直观的事实行之有效，但当真相取决于语境时，这种模式就会失效。某种药物可能会治愈某一群人中的疾病，但会对另一群人造成伤害。某种草药可能会缓解具有特定遗传背景患者的症状，但对另一些人则毫无作用。研究人员意识到，要真正架起中医与现代生物医学之间的桥梁，他们需要一种能够明确存储这些“如果-那么”关系的方法。他们设计了一个系统，将知识存储为四个部分而非三个部分：治疗手段、病症、结果，以及使这种联系有效的特定语境。
为了构建这一系统，团队从广泛的来源收集了数据。他们扫描了数千本古代中医典籍、现代教科书以及治疗肝硬化和新冠肺炎（COVID-19）等疾病的医院临床记录。他们还整合了追踪基因、化学物质和药物如何相互作用的全球生物医学数据库。这并非简单的复制粘贴工作。团队必须对这些信息进行清洗和标准化，确保 500 年前文献中使用的术语与现代医院报告中的术语含义一致。他们利用先进的计算机工具阅读这些文本，识别医学概念并将它们链接在一起。至关重要的是，他们并未完全依赖机器。人类专家会对这些逻辑连接进行审核，检查逻辑是否成立以及语境是否分配正确。这种“人机协同”的过程确保了最终生成的地图是准确且值得信赖的。
由此产生的网络规模极其宏大。最终版本的“灵枢”包含超过 1700 万条个体医学事实记录，组织成 1,000,000 多个独特概念。它包含了近 1720 万个医学项目间的标准连接，但其真正的创新在于其 2230 万个语境连接。这些特殊的链接捕捉到了医学现实中的细微差别。例如，该系统可以区分一种是普遍治疗症状的处方，以及另一种是在加入特定草药后的特定处方。它可以记录某种药物仅在特定人群中对某种疾病有效，或者某个基因如何影响化学物质在体内的作用方式。通过将这些条件直接编码进知识结构中，该系统保留了现实世界医学的复杂性。
研究人员通过一个公开网站提供了这些知识，允许医生、科学家和好奇的用户探索其中的联系。该平台提供了多种与数据交互的方式。用户可以输入一组症状，并获得一份潜在治疗方案的排名列表，同时系统会展示得出该建议的精确推理路径。它可以追踪一条从现代疾病到传统证候，再到特定中药方剂，最后到该草药可能影响的分子基因的路径。这实现了一种此前无法实现的探索类型，研究人员可以询问：“针对具有这种遗传特征的患者，哪种草药可以治疗这种特定类型的咳嗽？”并得到一个既基于古代文献又基于现代分子数据的答案。
团队强调，该工具旨在用于研究和决策支持，而非取代医生的判断。该系统并不进行诊断或开具处方。相反，它作为一个强大的假设生成和证据探索引擎。它帮助研究人员发现可能隐藏在海量数据中的模式，例如某种传统疗法是如何通过特定的生物学机制发挥作用的。通过保持每条医学事实的语境可见，灵枢为理解人体、影响人体的疾病以及我们尝试治愈它们的多样化方式之间错综复杂的关系提供了一种新途径。它证明了医学知识并非静态的事实列表，而是一个动态的关系网络，它会随着受治者对象及环境的变化而变化。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。