医疗知识图谱的搭建

发布于 2025-12-31

6.2 医疗知识图谱的搭建

医疗知识图谱的搭建

学习目标

理解如何通过图数据库构建医疗知识图谱
学会如何将结构化的医疗数据转化为知识图谱
掌握如何使用Python代码与Neo4j交互，构建实体和关系

搭建图谱的基本步骤

步骤1: 选择图数据库
步骤2: 图谱搭建
步骤3: 图谱展示

1 选择图数据库

图数据库是存储和管理知识图谱的核心。选择合适的数据库工具对图谱的效率和可扩展性有重要影。
- Neo4j：最常用的图数据库，支持Cypher查询语言，适合大规模医疗知识图谱的构建和查询。
- RDF-based数据库（了解）：如GraphDB、Virtuoso，适合处理语义网标准的知识图谱，如使用RDF、OWL等格式。
相比传统Mysql等数据，图数据库的优势：
- Neo4j图数据库能高效处理复杂关系、灵活的数据结构、简洁的查询语言、适合大规模图数据和推理能力等特点。而MySQL等关系型数据库在面对多层次、动态变化的复杂关联时，表现不佳，查询性能较差，且模型的扩展性较低。因此，构建医疗知识图谱时，选择Neo4j这样的图数据库会更有优势。

2 图谱搭建

前面章节，我们已经学习了如何从文本中抽取实体、以及关系。那么如果要想搭建图谱，需要提前准备好相应的实体和关系等数据。
说明：
- 由于企业数据隐私性，本次搭建图谱我们将基于一个开源的医疗数据集来实现图谱的搭建。该数据集名称为：medical.json，对应存放位置：./NLP/MedicalKB/graph_data/medical.json
- 整个图谱搭建的代码实现集中于一个py脚本，该脚本中共包含：一个方法和一个类；
  - 方法：用于查询medical.json的数量以及数据格式
  - 类：用于实现三元组抽取、实体插入、关系插入等
- 代码路径：./NLP/MedicalKB/build_kg_utils.py

2.1 数据解析

目标：读取并理解原始医疗数据（如JSON文件中的疾病、症状、药品等信息）。
任务：解析medical.json文件，展示数据的结构，准备好用于构建图谱的实体和关系。
构造方法：print_data_info()

代码实现：

def print_data_info(data_path):
    '''
    展示数据格式
    '''
    i = 0
    with open(data_path, 'r', encoding='utf8') as f:
        lines = f.readlines()
        print(f'数据长度：{len(lines)}') # 8808条样本
        for line in lines:
            data = json.loads(line)
            print(json.dumps(data, sort_keys=True, indent=4, separators=(', ', ': '), ensure_ascii=False))
            i += 1
            if i >= 5:
                break

# 运行该函数，展示数据内容：
data_path = "./graph_data/medical.json"
print_data_info(data_path)

结果展示：

medical.json共包含8808条样本，每个样本格式为字典样式，每个键都代表了与医疗相关的信息，它们的中文意义解释如下：

{
      # 数据库中的唯一标识符。
    "_id": {
        "$oid": "5bb578b6831b973a137e3ee8"
    },
      # 伴随疾病或并发症。
    "acompany": [
        "贫血"
    ],
      # 疾病的分类，表明疾病所属的类别和科室。
    "category": [
        "疾病百科",
        "急诊科"
    ],
      # 疾病的病因
    "cause": "吸入苯蒸气或皮肤接触苯而引起的中毒，有急性、慢性之分。急性苯中毒主要对中枢神经系统产生麻醉作用，出现昏迷和肌肉抽搐；高浓度的苯对皮肤有刺激作用。长期接角低浓度的苯可引起慢性苯中毒，出现造血障碍，早期常见血白细胞数减低，进而出现血小板数减少和贫血。患者可有鼻出血、牙龈出血、皮下出血、月经过多等临床表现。\n急性苯中毒多为误服或急性吸入含苯的有机溶剂所致。这些有机溶剂包括油漆、稀料、工业胶水等。慢性苯中毒是长期吸入低浓度苯及代谢产物酚类所致。",
      # 检查方法，列出确诊该疾病需要进行的医学检查项目。
    "check": [
        "血常规",
        "骨髓象分析",
        "先令氏指数"
    ],
      # 推荐药品
    "common_drug": [
        "布美他尼片",
        "十一味金色丸"
    ],
      # 治疗费用，表示在不同医院治疗此疾病的费用范围。
    "cost_money": "根据不同病情，不同医院，收费标准不一致，市三甲医院约（5000——8000元）",
      # 治疗科室，列出推荐治疗该疾病的医院科室
    "cure_department": [
        "急诊科"
    ],
      # 治疗持续时间，表示从诊断到治愈所需的大概时间。
    "cure_lasttime": "根据不同病情一般为2-4周",
      # 治疗方式，列出常用的治疗方案或方法。
    "cure_way": [
        "药物治疗",
        "支持性治疗"
    ],
      # 治愈概率，指治愈该疾病的预期成功率。
    "cured_prob": "约75%",
      # 疾病描述，简要说明该疾病的概况和特征。
    "desc": "苯(benzene)是从煤焦油分馏及石油裂解所得的一种芳香烃化合物，系无色有芳香气味的油状液体。挥发甚速，易燃易爆。工业上用作溶剂、稀释剂和化工原料。苯属中等毒类，可引起急性或慢性中毒。\n急性苯中毒是指口服含苯的有机溶剂或吸入高浓度苯蒸气后，出现以中枢神经系统麻醉作用为主要表现的病理生理过程，主要症状轻者为醉酒状，步态不稳，哭笑失常，重者意识丧失，抽搐，可因呼吸中枢麻痹或循环衰竭死亡。慢性苯中毒是指苯及其代谢产物酚类影响了骨髓的造血功能，临床表现为白细胞计数和血小板立秋持续减少，最终发展为再生障碍性贫血或白血病。也可影响神经系统，表现为神经衰弱和自主神经功能紊乱。",
      # 易吃食物
    "do_eat": [
        "鸡蛋",
        "大豆",
        "猪肉(瘦)",
        "樱桃番茄"
    ],
      # 药物详情，列出该疾病相关的推荐药物。
    "drug_detail": [
        "桂林南药布美他尼片(布美他尼片)",
        "雄巴拉曲神水十一味金色丸(十一味金色丸)",
        "西藏甘露仁青芒觉(仁青芒觉)",
        "金诃藏药大月晶丸(大月晶丸)",
        "金诃藏药仁青芒觉(仁青芒觉)"]
      # 容易患病
    "easy_get": "多见于制鞋工人及接触化工染料的工人",
      # 患病概率，指该疾病在人群中的发生概率。
    "get_prob": "0.065%",
      # 传播途径，描述该疾病的传染性和传播方式。
    "get_way": "无传染性",
      # 疾病名称，表示该疾病的正式名称。
    "name": "苯中毒",
      # 忌吃食物
    "not_eat": [
        "海蟹",
        "海虾",
        "海参（水浸）",
        "辣椒(青、尖)"
    ],
      # 预防措施，列出预防该疾病的建议或注意事项。
    "prevent": "对于急性中毒患者，可以立即脱离现场至空气新鲜处，脱去污染的衣着，并用肥皂水或清水冲洗污染的皮肤。口服中毒者，要给患者洗胃，中毒者应卧床静息，并接受对症、支持治疗，可给予葡萄糖醛酸。要注意防止患者出现脑水肿，切记勿给心搏未停者使用肾上腺素，对由于苯中毒引起的再生障碍性贫血症患者，可给予小量多次输血及糖皮质激素治疗。",
      # 推荐药物，列出治疗该疾病的常用药物。
    "recommand_drug": [
        "布美他尼片",
        "十一味金色丸",
        "注射用布美他尼",
        "注射用呋塞米",
        "盐酸利多卡因注射液"]
      # 推荐食物
    "recommand_eat": [
        "豆腐干炒韭菜",
        "素炒小白菜",
        "白菜蛋花粥"
    ],
      # 症状，列出该疾病的典型临床症状。
    "symptom": [
        "恶心",
        "抽搐",
        "感觉障碍"
    ],
      # 医保状态，指该疾病的治疗是否被纳入医保。
    "yibao_status": "否"
}

2.2 三元组提取

任务：从数据中提取实体及对应的关系
构造类：class MedicalExtractor()

说明：本次我们基于medical.json数据，提取了4种实体，以及4种关系。

实体类型：

疾病:diseases
症状:symptoms
食物:foods
药品:drugs

关系类型

疾病-症状:[disease,'has_symptom', symptom]
疾病－忌吃食物:[disease,'not_eat', food]
疾病－易吃食物:[disease,'do_eat', food]
疾病－推荐药品:[disease,'recommand_drug', drug]

代码实现：

class MedicalExtractor(object):
    def __init__(self):
        super(MedicalExtractor, self).__init__()
        self.graph = Graph("http://localhost:7474", auth=("neo4j", "12345"))
        # 共4类节点
        self.drugs = [] # 药品
        self.foods = [] #　食物
        self.diseases = [] #疾病
        self.symptoms = []#症状

        # 构建节点实体关系
        self.rels_noteat = [] # 疾病－忌吃食物关系
        self.rels_doeat = [] # 疾病－宜吃食物关系
        self.rels_recommanddrug = [] # 疾病－热门药品关系
        self.rels_symptom = []  # 疾病症状关系

    def extract_triples(self, data_path):
        print("从json文件中转换抽取三元组")
        with open(data_path,'r',encoding='utf8') as f:
            for line in tqdm(f.readlines(), ncols=80):
                data_json = json.loads(line)
                disease = data_json['name']
                self.diseases.append(disease)

                if 'symptom' in data_json:
                    self.symptoms += data_json['symptom']
                    for symptom in data_json['symptom']:
                        self.rels_symptom.append([disease,'has_symptom', symptom])

                if 'acompany' in data_json:
                    for acompany in data_json['acompany']:
                        self.diseases.append(acompany)

                if 'recommand_drug' in data_json:
                    recommand_drug = data_json['recommand_drug']
                    self.drugs += recommand_drug
                    for drug in recommand_drug:
                        self.rels_recommanddrug.append([disease,'recommand_drug', drug])

                if 'not_eat' in data_json:
                    not_eat = data_json['not_eat']
                    for _not in not_eat:
                        self.rels_noteat.append([disease,'not_eat', _not])
                    self.foods += not_eat

                    do_eat = data_json['do_eat']
                    for _do in do_eat:
                        self.rels_doeat.append([disease,'do_eat', _do])
                    self.foods += do_eat

                if 'drug_detail' in data_json:
                    for det in data_json['drug_detail']:
                        det_spilt = det.split('(')
                        if len(det_spilt) == 2:
                            p, d = det_spilt
                            d = d.rstrip(')')
                            self.drugs.append(d)
                        else:
                            d = det_spilt[0]
                            self.drugs.append(d)

2.3 实体插入

任务：将提取的实体插入到Neo4j图数据库
构造方法：在上述定义的类内，构造两个函数分别为write_nodes() 和create_nodes()

write_nodes函数实现：

用于构造cypher语句，将实体写入数据库

def write_nodes(self,entitys, entity_type):
    print("写入 {0} 实体".format(entity_type))
    for node in tqdm(set(entitys), ncols=80):
        cql = """MERGE(n:{label}{{name:'{entity_name}'}})""".format(
            label=entity_type, entity_name=node.replace("'",""))
        try:
            self.graph.run(cql)
        except Exception as e:
            print(e)
            print(cql)

create_nodes函数实现

调用wirte_nodes函数，用于将所有实体统一写入数据库

def create_entitys(self):
    self.write_nodes(self.drugs, '药品')
    self.write_nodes(self.symptoms, '菜谱')
    self.write_nodes(self.foods, '食物')
    self.write_nodes(self.diseases,'疾病')

2.4 关系插入

任务：将实体之间的关系插入到Neo4j图数据库。
构造方法：在上述定义的类内，构造两个函数分别为write_edges() 和 create_relations()

write_edges函数实现：

用于构造cypher语句，将实体对应关系写入数据库

    def write_edges(self,triples,head_type,tail_type):
        print("写入 {0} 关系".format(triples[0][1]))
        for head,relation,tail in tqdm(triples,ncols=80):
            cql = """MATCH(p:{head_type}),(q:{tail_type})
                    WHERE p.name='{head}' AND q.name='{tail}'
                    MERGE (p)-[r:{relation}]->(q)""".format(
                   head_type=head_type,tail_type=tail_type,head=head.replace("'",""),
                        tail=tail.replace("'",""),relation=relation)
            try:
                self.graph.run(cql)
            except Exception as e:
                print(e)
                print(cql)

create_relations()函数实现：

调用write_edges函数，用于将所有实体关系统一写入数据库

def create_relations(self):
    self.write_edges(self.rels_noteat, '疾病', '食物')
    self.write_edges(self.rels_doeat, '疾病', '食物')
    self.write_edges(self.rels_symptom, '疾病', '症状')
    self.write_edges(self.rels_recommanddrug, '疾病', '药品')

3 图谱展示

下图是基于Neo4j数据库导入SPO三元组后展示效果：

小节总结

本小节讲解了如何选择图数据库构建医疗知识图谱，并通过定义实体和关系、导入数据及使用查询语言进行操作，完成图谱的搭建和展示。

发布于 2025-12-31