新聞資訊 | 醫療知識圖譜的開發，幫助醫療界更快進行診斷

隨著新冠肺炎疫情在全球快速地蔓延，醫療界以及研究人員正在尋找新的工具來幫助他們更有效率更準確地進行醫療診斷。到目前為止，已經有很多研究團隊透過不同技術，提出新的策略，來因應疫情的變化。

使用 AI 人工智慧當基底

為了幫助臨床醫生及科學家消化文獻中大量的生物醫學知識，Columbia、Brandeis、DARPA、UCLA 以及 UIUC 的研究人員使用人工智慧，掃描數千項研究以回答醫生對新冠肺炎的相關問題。因此研究人員開發了一套「COVID-KG」知識圖譜框架。

此外，一項新的研究報告顯示，可以透過人工智慧發現急性呼吸窘迫症候群（ARDS）的症狀，從新感染的患者中識別出可能導致嚴重肺部疾病的前三項症狀，令人感到特別的是，這些症狀都不是在新冠肺炎症狀中常見的。而在預測 ARDS 時，利用 AI 工具可以將準確率提升至 70 到 80％。

COVID-KG 幫助醫生更快速地做決策

COVID-KG 是透過閱讀論文來建構包含節點和邊的醫療知識圖譜。提取了包括基因、疾病等的實體類型；機制、治療方法等關係；以及基因表達、定位等事件。COVID-KG 從圖形圖像中提取視覺信息，來豐富關聯圖，更快找出患者或是確診者的關聯性。此外，COVID-KG 使用藥物作為案例研究，利用建構出的醫療知識圖譜，來進行問題解答和報告生成。SourceZones 源銳也是透過整合多方資料源，進行資料提取並過濾，再利用機器學習以及人工智慧技術分析，而後建構出知識圖譜及報告，幫助客戶/企業可以快速地得到欲搜尋的資料。

以色列的醫療技術公司 Kahun 發布了一套新的「COVID-19 工具」，來幫助醫生更快地做出醫療上決策。這個工具有幾項特點，第一點，它完全免費。第二點，它是由 AI 人工智慧為基底，分析了資料庫（例如醫學圖書館 PubMed）中約3000萬篇文章中發現的醫學數據。再以差異性來分析論文中的資料，產出報告。讓醫生和研究人員們可以從各種症狀中得出分類群，以識別各種患者是否為高風險，以及診斷患者可能患有的疾病，將節省醫療過程中的大量時間。

延伸技術開發 – COVIDScholar

Berkeley Lab 將「機器學習」和「自然語言處理」技術應用到新冠肺炎知識圖譜（COVID-KG）中，達到快速掃描和收集成千上萬的研究論文，以幫助全球科學界整合大量的 COVID-19 文獻。

COVIDScholar 已經收集了 61,000 多個研究論文，其中大約 8,000 個專門針對COVID-19，其餘涉及相關主題，例如一般的其他病毒和流行疾病。跟 SourceZones 源鋭資訊一樣，整理分析超過 30 個台灣資料源，同時應用「機器閱讀」、「人工智慧」與「自然語言理解」等技術進行多維度資料過濾，減少對資料處理的工作量，提高收集資料的效率。COVIDScholar 的研究人員也透露，在未來 COVIDScholar 將升級，達到對文章進行分類的功能，提升使用者的搜尋效率。

參考資料：

• https://newscenter.lbl.gov/2020/04/28/machine-learning-tool-could-provide-unexpected-scientific-insights-into-covid-19/
• https://coronavirus.kahun.com/
• https://newscenter.lbl.gov/2020/07/15/treatments-in-covid-19-data/
• https://venturebeat.com/2020/07/02/covid-kg-knowledge-graph-research-system/
• https://thenextweb.com/neural/2020/04/01/this-startup-made-a-coronavirus-knowledge-graph-to-help-doctors-with-diagnosis/