7月23日-27日，人工智能領(lǐng)域智能信息檢索方向最權(quán)威的國(guó)際會(huì)議“第46屆國(guó)際計(jì)算機(jī)學(xué)會(huì)信息檢索大會(huì)”（SIGIR 2023）在中國(guó)臺(tái)灣省臺(tái)北市舉行。大會(huì)公布了投稿論文入選名單，由深蘭科學(xué)院多名科技研發(fā)人員合力撰寫(xiě)的論文《MDKG：基于圖的醫(yī)學(xué)知識(shí)引導(dǎo)對(duì)話(huà)生成》（Graph-Based Medical Knowledge-Guided Dialogue Generation）被大會(huì)收錄并發(fā)表。
ACM SIGIR（International ACM SIGIR Conference on Research and Development in Information Retrieval）是由美國(guó)計(jì)算機(jī)協(xié)會(huì)（ACM）發(fā)起主辦，始創(chuàng)于1971年，是中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）推薦的A類(lèi)國(guó)際學(xué)術(shù)會(huì)議，也是展示信息檢索新的系統(tǒng)、技術(shù)和研究成果的國(guó)際舞臺(tái)。今年的會(huì)議，一共收到來(lái)自全球的822篇論文投稿，其中有165篇論文被錄用，錄用率僅有20.1%。本次深蘭科學(xué)院被收錄的論文《MDKG：基于圖的醫(yī)學(xué)知識(shí)引導(dǎo)對(duì)話(huà)生成》（Graph-Based Medical Knowledge-Guided Dialogue Generation）是圍繞醫(yī)療領(lǐng)域?qū)υ?huà)問(wèn)答生成問(wèn)題展開(kāi)探索。這代表著現(xiàn)有醫(yī)療對(duì)話(huà)系統(tǒng)（MDS）的最優(yōu)研究結(jié)果被刷新，通過(guò)快速學(xué)習(xí)和完善醫(yī)學(xué)知識(shí)圖譜來(lái)推理新的疾病癥狀的問(wèn)診方法的出現(xiàn)，將進(jìn)一步推動(dòng)AI醫(yī)療技術(shù)的發(fā)展。
圖1 MDKG模型框架
醫(yī)療對(duì)話(huà)系統(tǒng)（MDS）旨在通過(guò)與患者交談，來(lái)獲取自我報(bào)告中不存在的其他癥狀并進(jìn)行自動(dòng)診斷。它不僅能夠簡(jiǎn)化診斷過(guò)程并降低從患者處獲取信息的成本，而且其產(chǎn)生的初步診斷報(bào)告，還能幫助醫(yī)生做出更有效地診斷。這引起了深蘭科學(xué)院研究員的廣泛關(guān)注?，F(xiàn)有的醫(yī)療對(duì)話(huà)系統(tǒng)（MDS）雖然具備了像人類(lèi)醫(yī)生一樣通過(guò)與患者的對(duì)話(huà)進(jìn)行診斷的能力，但系統(tǒng)大多基于序列建模，沒(méi)有考慮醫(yī)學(xué)知識(shí)自主學(xué)習(xí)。這使得系統(tǒng)在信息有限的疾病情況下更容易誤診。為了克服這個(gè)問(wèn)題，深蘭提出了MDKG，一種用于醫(yī)學(xué)對(duì)話(huà)生成（MDG）的端到端對(duì)話(huà)系統(tǒng)，專(zhuān)門(mén)設(shè)計(jì)用于通過(guò)快速學(xué)習(xí)和發(fā)展元知識(shí)圖來(lái)適應(yīng)新疾病，依靠醫(yī)學(xué)知識(shí)圖來(lái)提取疾病-癥狀關(guān)系，并使用基于動(dòng)態(tài)圖的元學(xué)習(xí)框架來(lái)學(xué)習(xí)如何進(jìn)化給定的知識(shí)圖來(lái)推理疾病-癥狀相關(guān)性。因?yàn)檫@種方法結(jié)合了醫(yī)學(xué)知識(shí)，因此減少了大量對(duì)話(huà)的需要。如表1，深蘭在CMDD和春雨數(shù)據(jù)集上評(píng)估了MKDG模型，相關(guān)數(shù)據(jù)集在以往的類(lèi)似研究中被廣泛使用。
表1：春雨和CMDD數(shù)據(jù)集的詳細(xì)定性結(jié)果
本次評(píng)估使用了BLEU和Entity-F1兩個(gè)自動(dòng)度量來(lái)評(píng)估該方法的性能。BLEU分?jǐn)?shù)用來(lái)評(píng)估生成響應(yīng)的質(zhì)量，而Entity-F1分?jǐn)?shù)用來(lái)衡量實(shí)體預(yù)測(cè)任務(wù)的成功率。根據(jù)以上兩個(gè)數(shù)據(jù)集評(píng)估的結(jié)果，將SLAKE知識(shí)圖集成到框架中可以提高醫(yī)療對(duì)話(huà)系統(tǒng)（MDS）的性能。數(shù)據(jù)顯示，深蘭科學(xué)院開(kāi)創(chuàng)性提出的MDKG模型，在基于BLEU和Entity自動(dòng)度量的評(píng)估中刷新了這兩項(xiàng)的最高得分記錄。在“春雨數(shù)據(jù)集”的BLEU和Entity自動(dòng)度量評(píng)估中，深蘭方案較原有最佳方案得分分別高出1.7和4.32分；在CMDD數(shù)據(jù)集中，則較原有最佳方案得分分別高出0.97和3.42分。
圖2：采用了MDKG模型的肝硬化診斷對(duì)話(huà)案例
本次論文的研究成果除了已經(jīng)被應(yīng)用于醫(yī)療對(duì)話(huà)系統(tǒng)（MDS）之外，未來(lái)還有望被應(yīng)用到深蘭AI醫(yī)療板塊其他產(chǎn)品中去。
