本文属于类型a，即单一原创研究论文。以下是对该研究的详细学术报告。
本文的主要作者为Rui Yang、Qing Ye、Chunlei Cheng、Suhua Zhang、Yong Lan和Jing Zou，均来自江西中医药大学计算机学院。通讯作者为Qing Ye和Chunlei Cheng。该研究于2022年2月10日发表在《Evidence-Based Complementary and Alternative Medicine》期刊上，文章编号为8693937。
该研究属于中医药信息学与知识图谱交叉领域。中医临床信息化虽然已有一定发展，但在证候预测方面仍面临诸多挑战。中医电子病历中的临床知识规则复杂，症状与证候之间存在高度重叠现象，同一症状可出现在多个不同证候中，导致传统方法难以准确区分相似证候。已有的知识图谱研究多集中于理论层面，针对证候推荐的实用性系统较少。因此，本研究旨在构建一个基于中医知识图谱的端到端证候诊断决策系统（decision-making system for the diagnosis of syndrome，简称DSDS），通过将复杂的中医辨证问题转化为知识图谱中的链接预测问题，实现从症状到证候的自动推荐。
该研究的完整工作流程包含三个主要模块：知识图谱构建模块、知识图谱表示学习模块和证候预测模块。
在知识图谱构建模块中，研究者首先对来自岐黄中医平台的131650份中医病历进行脱敏处理，清洗后保留108746份有效病历。这些病历包含四诊信息、体表检查、中医诊断和护理注意事项等丰富内容。研究者以单个病历为单位进行信息聚合，构建了名为kg-emr-tcm的中医电子病历知识图谱。经过实体统计，共获得202619个实体和1499457条三元组。实体类型包括舌诊、脉诊、闻诊、望诊、体表检查、护理注意事项、中医诊断和证候共八类。经过分词处理后总实体数从614304增加到1870599，去重后保留202619个实体。值得注意的是，八类实体的平均重复率达到91.2%，其中闻诊和护理注意事项的重复率最高，分别为97.5%和96.7%，这充分说明了不同证候之间症状重叠的严重性。研究者在构建知识图谱时加入了护理注意事项以丰富图谱内容，但在实际证候推荐时并未将其作为诊断依据。
在知识图谱表示学习模块中，研究者采用了ComplEx模型进行嵌入学习。ComplEx模型将实体和关系嵌入到复数空间而非实数空间，能够同时捕获对称和反对称关系。对于每个实体e和关系l，模型生成低维复数向量，并通过Hermitian点积计算三元组的得分函数。具体而言，得分函数定义为φ(h,l,t)=Re⟨eh,el,et⟩，其中正确三元组的得分大于0，错误三元组的得分小于0。通过在复数空间中的嵌入，模型能够有效学习症状实体与证候实体之间的语义关系。
在证候预测模块中，研究者将测试病历按照分词规则进行分割，获得一系列缺失尾实体的三元组，如（两寸浮，脉诊-证候，？）和（苔薄白，舌诊-证候，？）。利用训练好的ComplEx模型对这些缺失三元组进行补全，每个候选证候实体都会获得相应的得分。然而，由于中医证候间存在症状重叠问题，单一三元组的最高得分并不能保证整体病历证候的准确性。因此，研究者提出了评分与投票相结合的创新方法。具体做法是：如果有m个症状，每个症状通过负采样获得n个候选证候，则形成一个m×n的候选矩阵。首先使用ComplEx的评分函数对每个候选三元组打分，然后通过频率统计方法，统计所有候选证候的出现频次，最终推荐出现频次最高的证候作为预测结果。该方法的数学表达为sn=g(∑∑f(tij))，其中f(·)为ComplEx的得分函数，g(·)为频率统计方法。这种综合所有症状进行整体判断的方法，能够有效缓解多症状之间的冲突问题。
在实验设计方面，研究者选取了一组症状和证候节点，将其表征作为特征进行学习和测试。为了验证DSDS的性能，研究者将其与多种基线方法进行了对比，包括GBC（一种基于梯度提升的多分类策略）、XML-CNN（一种用于大规模多标签文本分类的经典卷积神经网络方法）以及kg-xml-cnn（在XML-CNN基础上加入了kg-emr-tcm向量信息）。评估指标采用准确率（accuracy）、加权召回率（weight-recall）和加权F1值（weight-f1）。由于中医数据各类别分布不均，采用加权平均方法进行计算。
实验结果显示，DSDS在证候预测方面表现出色。具体而言，GBC模型由于实体重复率高达91.2%导致训练向量相似度过高，无法获得有效的评估指标。XML-CNN的加权召回率为0.525，加权F1为0.527，准确率为0.574。当加入知识图谱嵌入向量后，kg-xml-cnn的准确率提升了5.2%，加权召回率提升了5.9%，加权F1提升了5.3%，分别达到0.626、0.584和0.580。这证明了通过表示学习模型获得的证候相关实体和关系的向量表示，优于随机生成的向量。DSDS虽然准确率略低于kg-xml-cnn（0.621对比0.626），但在加权召回率和加权F1上分别比kg-xml-cnn高出3.4%和3.6%，达到0.618和0.612。DSDS优于kg-xml-cnn的核心原因在于其将输入三元组进行拆解，成功区分了不同症状相关的信息，并通过投票机制综合所有症状的预测结果。
在决策性能评估方面，研究者计算了Top-n推荐证候的准确率。当仅推荐1个证候时，准确率为62.1%；当推荐3个证候时，准确率提升至71.0%；当推荐5个证候时，准确率达到80.6%。研究者还对一个预测错误的案例进行了详细分析。在该案例中，正确证候为“风寒闭表，兼有痰湿郁热”，预测证候为“寒风挟痰郁热，兼有食滞，太阴阳明为主”。这两个证候间存在必然的症状重叠，如“两寸浮”和“扁桃体二度肿”。通过比较各症状在预测证候与正确证候下的得分，发现正确证候下重叠症状的得分普遍低于预测证候下的得分，这表明预测证候与正确证候之间存在一定的相似性。即使预测结果与标签不同，医生仍可从DSDS中获取有价值的参考信息。
此外，研究者还通过TensorBoard对kg-emr-tcm的嵌入效果进行了可视化分析。所有实体被成功聚为八个类别，与脉诊、舌诊、闻诊、望诊、体表检查、中医诊断、护理注意事项和证候相对应。其中证候类型节点在原始空间中距离最近，进一步验证了嵌入的有效性。
本文的结论指出，DSDS将复杂的中医辨证问题成功转化为知识图谱中多症状补全的简单问题，符合基于四诊信息的证候诊断原则。当推荐证候数量为5时，预测准确率达到80.6%，证明了系统的有效性。此外，即使预测结果与标签不同，预测证候与正确证候之间也存在一定程度的症状相似性，有助于拓展诊断思维。
该研究的主要亮点包括：第一，构建了基于中医电子病历的知识图谱kg-emr-tcm，保留了单个病历的诊断信息；第二，DSDS系统能够灵活组合症状信息，有效减少证候之间的症状重叠问题；第三，引入了评分与投票的创新方法，综合分析所有症状而不仅仅是单一三元组的最高得分；第四，对五个相似证候的诊断准确率达到80.6%，具有很强的临床应用潜力。该研究为中医证候辅助诊断提供了新的技术路径，具有重要的科学价值和应用价值。