面向中文医学文本的知识图谱通用评测系统设计

目的:设计一种面向中文医学文本的知识图谱通用评测系统,以为医学研究人员、医疗机构及企业评估知识图谱技术水平提供手段。方法:该系统以医学专家人工标注的标准评测数据集为基础,以深度学习算法模型为支撑,采用浏览器/服务器(Browser/Server,B/S)架构设计,采用Python 3.7编程,由评测任务以及数据集配置与管理、知识图谱任务评测、评测指标记录与对比3个功能模块组成。结果:采用该系统可以根据知识图谱评测需求自定义评测项目,灵活配置必选和可选的评测内容,且在评测后可以提供单方面或者综合能力的量化成绩。结论:该系统解决了医学知识图谱领域面临的无法评估技术性能水平的痛点,为医学领域的知识图谱评测提供了参考。

多组学联用在特异性败血症诊断中的价值

目的基于多组学数据,采用机器学习的分类算法,构建高性能的特异性致病菌感染败血症的早期诊断模型,并比较基于单组学和多组学数据模型的预测效果。方法利用败血症患者早期血浆中测得的蛋白质组学数据、代谢组学数据以及多组学融合数据,使用支持向量机(support vector machine,SVM)算法分别构建三个诊断模型,对比三个模型的性能。结果相较于单组学模型,利用多组学数据构建的模型效果最优,金黄色葡萄球菌感染组受试者工作特征曲线下的面积(area under the receiver operating characteristic curve,AUC)=0.97,非金黄色葡萄菌感染组AUC=0.94,非感染组AUC=0.94。结论在特异性败血症早期诊断时,基于多组学相较于单组学构建的模型有较好的预测效果。