本研究报告介绍了一项名为《knowledge graph–enhanced deep learning model (h-system) for hypertensive intracerebral hemorrhage: model development and validation》（知识图谱增强的深度学习模型（H-System）用于高血压性脑出血：模型开发与验证）的原创性研究。该项研究于2025年发表在《Journal of Medical Internet Research》（JMIR）期刊上，主要作者来自重庆医科大学附属第一医院神经外科以及重庆科技大学计算机科学与工程学院。

学术背景 本研究属于医学人工智能（AI）与临床神经外科的交叉领域，特别是针对急性脑卒中这一重大公共卫生问题的决策支持系统开发。高血压性脑出血（Hypertensive Intracerebral Hemorrhage, HICH）是自发性脑出血中最严重的类型之一，发病急、死亡率高，尤其在发病后24小时内。及时的诊断和精准的治疗对于改善患者预后至关重要。尽管人工智能技术，特别是大型语言模型（Large Language Model, LLM）在多个领域展现出卓越性能，但其在临床实践任务，尤其是为复杂、高度专业化的医疗场景提供精准、可解释且个性化的治疗方案方面，仍面临巨大挑战。主要障碍包括“黑箱”问题导致决策过程不透明，以及缺乏高质量的、特定领域的标注数据进行训练。因此，本研究旨在开发一个能够弥补这些缺陷的临床决策支持系统。

研究的主要目标是开发一个名为H-System的可解释、高效决策支持系统，以辅助神经外科医生诊断和治疗HICH患者。该系统通过整合一个专门构建的医学领域知识图谱（HICH Knowledge Graph, HKG）来增强决策的准确性和可解释性，从而应对现有AI系统在临床转化中的局限性。

详细研究流程 本研究是一个系统的模型开发与验证工作，流程严谨，可分为以下几个主要阶段：

1. 数据准备与知识图谱构建 研究团队首先从中国西部15个医疗中心收集了超过8000例HICH病例的电子病历（Electronic Medical Record, EMR）数据，构建了名为HICH-IT的数据库。所有数据均已去标识化，并获得了伦理委员会的批准和患者的知情同意。入选标准包括符合最新卒中指南的自发性脑出血诊断，年龄在10至80岁之间；排除标准为病史、体格检查或头颅CT结果不完整的病例。从EMR中提取的信息包括人口统计学资料、主诉、现病史、既往史、体格检查和头颅CT结果等。 在数据预处理阶段，对文本进行了拼写纠正、缩写扩展和分词等操作。随后，对关键命名实体（Key Named Entity）进行了人工标注，主要分为两类：第一类是临床表现和CT征象，如主诉、生命体征、格拉斯哥昏迷评分、瞳孔异常、血肿位置和性质等；第二类是血肿的定量参数，如血肿体积、中线结构移位和侧脑室受压程度。

与此同时，研究团队的核心创新之一——高血压性脑出血知识图谱（HKG）被独立构建。HKG基于Apache Jena三元组数据库和RDF查询语言SPARQL建立，它整合了三个维度的医学知识：来自医学教科书的通用医学知识；来自神经外科急症临床指南和专家共识的医学子领域知识；以及基于最新指南和临床经验专门设计的“高血压性脑出血权重系统”（Hypertensive intracerebral hemorrhage Weight System, HWS）所代表的特定子领域知识。HWS旨在建立患者关键信息与治疗方案之间的映射关系，并使用2000例随机HICH病例进行了训练、验证和测试。HKG被设计为H-System的“外部知识大脑”，用于增强文本识别和自动决策能力。

2. H-System系统构建 H-System由三个核心模块组成，并使用了3500例随机抽样的HICH病例进行构建（训练集1500例，验证集1000例，测试集1000例）。

• 关键命名实体识别（NER）模块： 这是系统的输入处理核心。研究团队构建并比较了7种基于不同深度学习架构组合的关键NER模型，包括IDCNN-CRF、BiLSTM-CRF、BERT-CRF等。这些模型整合了双向编码器表示（Bidirectional Encoder Representations from Transformers, BERT）、膨胀扩张卷积神经网络（Inflated Dilated Convolutional Neural Network, IDCNN）、双向长短期记忆网络（Bidirectional Long Short-Term Memory, BiLSTM）和条件随机场（Conditional Random Fields, CRF）等技术。通过精确率（Precision）、召回率（Recall）和F1分数（F1-score）三个指标进行评估，性能最佳的模型将被选为H-System的文本识别核心。
• 语义表示与分析模块： 该模块负责分析从EMR中提取出的医学关键命名实体、实体间关系以及实体与关系之间的潜在语义关联。研究利用HKG来增强该模块的语义表示能力，并建立了Word2Vec模型对相关医学文本进行向量化，通过计算向量间的余弦相似度来衡量文本相似性。
• 推理模块： 这是系统的决策生成核心。该模块结合了逻辑推理和深度学习语义相似度匹配技术，采用了一个整合深度学习方法和先验知识的端到端管道模型。在HKG的增强下，模型获得了更强的推理能力，并能输出附带决策依据的可解释结论。系统最终输出的治疗方案分为诊断措施和治疗措施两大类。诊断措施包括脑血管检查（如CTA、MRA、DSA）、多模态磁共振成像和凝血功能检查等，旨在为评估提供更多信息。治疗措施则更为复杂和精细，分为手术疗法和非手术疗法，后者进一步细分为急救疗法（如监测生命体征、建立静脉通道、气道管理等）和药物疗法（如降压、降颅压、抗消化道出血等）。

3. 系统评估与验证 研究采用了一套严格的评估体系。首先，将病例原始的治疗方案设为“金标准”。由两位具有20年以上工作经验的高年资神经外科医生（对处理条件设盲）根据预设的评分标准（总分100分，其中诊断措施15分，治疗措施85分）对H-System的输出质量进行评估。若两位医生意见不一致，则由一位拥有25年以上工作经验的首席神经外科医生做出最终裁定。通过计算灵敏度、特异性、准确率、阳性预测值、阴性预测值和受试者工作特征曲线下面积（Area Under the Curve, AUC）等指标来分析系统性能，并使用Kappa统计量评估评分者间的一致性。 此外，研究还进行了多维度比较分析： * 与医生比较： 对比了依赖HKG输出结果的非神经外科医生（HD）、高年资神经外科医生（ND）以及使用H-System的医生在处理相同病例时的表现和效率。 * 与大型语言模型比较： 将300例随机选择的HICH病例同时输入H-System和ChatGPT（版本4.0），比较两者的输出准确率。同时，还间接与另一个基于LLaMA微调的医学聊天模型ChatDoctor进行了性能对比。 * 泛化能力测试： 使用来自6个不同地区医疗中心、近期收治的另外605例HICH患者数据，测试H-System的实践应用效能和泛化能力。

主要研究结果 1. 知识图谱（HKG/HWS）的可靠性： 基于HKG（通过HWS体现）输出的治疗方案，与金标准相比总体准确率达到94.87%。在诊断措施、急救疗法和手术疗法方面，其准确率、灵敏度、特异性和AUC均超过90%，药物疗法相关指标也超过85%。这表明HKG是一个可靠的知识源。更重要的是，依赖HKG的医生（HD）与高年资神经外科医生（ND）输出的治疗方案在总体准确率上无统计学显著差异（94.87% vs 94.86%），且两者评分分布具有高度一致性（Kappa=0.730），证明了HKG辅助决策的有效性。

2. 关键NER模型性能： 在7个候选模型中，BERT-IDCNN-BiLSTM-CRF模型表现最佳，其精确率、召回率和F1分数分别达到92.03、90.22和91.11，显著优于其他模型。该模型收敛速度快，能高效提取关键命名实体，因此被选定为H-System的文本识别核心。

3. H-System整体性能： 在独立的测试集上，H-System输出治疗方案的总体准确率为91.74%，且与金标准具有显著一致性。 * 诊断措施准确率、AUC和Kappa值分别为88.18%、97.03%和0.874。 * 手术疗法准确率、AUC和Kappa值分别高达98.53%、98.53%和0.971。 * 急救疗法准确率、AUC和Kappa值分别为89.50%、94.67%和0.923。 H-System与神经外科医生（ND）输出结果的评分分布无显著差异，且两者在独立测试数据集上的评分一致性很高（Kappa=0.841）。在效率方面，H-System处理病例的速度显著快于神经外科医生（P<0.001），而两者的决策质量（灵敏度、特异性等）则没有统计学差异。

4. 与大型语言模型的对比： H-System在总体治疗方案准确率上显著高于ChatGPT（95.26% vs 91.48%， P<0.05），在各个子项（诊断、手术、急救、药物）的准确率上也全面领先。与ChatDoctor相比，H-System在精确率、召回率和F1分数上同样展现出优势（98.53， 98.33， 98.43 vs ChatDoctor的84.44， 84.51， 84.46）。这表明，即便与经过医学领域微调的LLM相比，专注于特定疾病、整合了深度领域知识的专用决策系统在处理复杂临床文本和决策任务时更具优势。

5. 泛化能力： 在来自6个不同医疗中心的605例新增病例测试中，H-System的总体准确率稳定在92.22%（范围91.14%-95.35%），证明了其良好的泛化能力和跨机构应用的潜力。

结论与意义 本研究成功开发并验证了H-System，一个基于多中心数据、由知识图谱增强的、用于高血压性脑出血的AI临床决策支持系统。该系统在多个核心维度上表现出色：准确性高，其诊断和治疗建议与高年资神经外科医生的判断高度一致；可解释性强，能够提供决策依据，有效缓解了AI的“黑箱”问题；效率卓越，处理病例速度远超人类医生；泛化能力好，能适应不同医疗中心的电子病历系统。H-System在准确性上超越了ChatGPT等通用大语言模型，展示了专用领域系统在处理复杂、专业化临床任务中的价值。因此，该系统有潜力在急诊等时间紧迫的场景下，为神经外科医生提供快速、可靠的决策支持，增加医生对AI系统的信任，从而促进医疗AI在临床实践中的开发与采纳。

研究亮点 1. 创新性架构： 提出了一个由“知识图谱增强”的深度学习模型框架，将符号知识（HKG）与子符号学习（深度学习模型）有机结合，同时提升了模型的性能和可解释性，这是解决医疗AI“黑箱”问题的一次有效尝试。 2. 专用领域知识图谱： 构建了覆盖通用医学知识、神经外科子领域知识和HICH特定知识的“高血压性脑出血知识图谱”（HKG），为系统提供了高质量的领域先验知识，是其高准确性和可靠性的关键。 3. 高性能混合模型： 确定了BERT-IDCNN-BiLSTM-CRF作为最优的关键命名实体识别模型组合，充分利用了BERT的深层语义理解、IDCNN的长距离特征捕获、BiLSTM的上下文建模以及CRF的标签序列优化能力。 4. 系统化与临床导向： 整个系统设计高度模仿神经外科医生在急诊室的诊疗思维和工作流程，输出的治疗方案（包括细致的诊断措施、急救步骤和手术指征判断）极具临床实用性和可操作性。 5. 严谨的多维度验证： 不仅进行了常规的模型性能测试，还创新性地设置了与依赖知识图谱的医生、高年资神经外科医生以及主流大语言模型的直接比较，并从多个医疗中心获取数据验证泛化能力，评估体系全面而严谨。

其他有价值的要点 研究承认了当前系统的局限性，例如处理表述模糊的电子病历仍有挑战，以及无法直接解析CT影像（依赖放射科医生的报告文本）。作者指出未来工作方向包括：持续扩充数据集以涵盖更复杂的病例；将自动影像分割技术集成到系统中，以减少对文本报告的依赖，并提供更个性化的诊疗方案。这些思考为后续研究指明了清晰的路径。