基于知识图谱的卵巢储备功能减退针灸智能诊疗辅助系统研究

摘要

基于文献、经典著作及临床数据，构建了针对卵巢储备功能减退（DOR）的妇科专用针灸知识图谱与决策支持系统。临床评估显示，该系统的诊断一致率达到86.7%，处方评分较高，专家间一致性虽具有统计学意义但程度有限，表明其可作为辅助性临床决策支持工具。

摘要

卵巢储备功能减退（DOR）的发病率呈上升趋势，且影响人群趋于年轻化。针灸已在临床上用于治疗DOR，但目前治疗仍依赖主观判断和经验，缺乏标准化的诊疗指南。在我们先前开发的通用智能针灸系统基础上，本研究聚焦妇科疾病，以DOR为临床切入点，构建专业化的知识图谱与决策支持系统。本研究纳入了82部经典针灸文献、中英文研究资料以及临床数据，采用大语言模型与人工标注相结合的混合方法提取知识，构建了完整的针灸知识图谱及针对DOR的妇科子图谱。该系统采用基于BiLSTM-CRF的实体识别与双模式检索技术，实现证候辨识与针灸处方生成的自动化。完整知识图谱包含16,558个实体和80,084条关系，妇科子图谱包含8,677个实体和27,092条关系。在对90例DOR患者的临床评估中，该系统与专家判断的诊断一致率达到86.7%。处方适宜性平均评分为4.65分。专家间一致性采用肯德尔和谐系数（Kendall’s coefficient of concordance）评估，W ≈ 0.13（P < 0.05），提示专家间存在统计学显著但程度有限的一致性。研究结果表明，该系统可为DOR的针灸辨证与处方生成提供结构化支持，具备作为辅助临床决策工具的应用潜力。

引言

卵巢储备功能减退（DOR）的特征是卵母细胞数量和/或质量下降，导致生育力降低、月经紊乱以及激素水平失衡¹。近年来，DOR 的发病率不断上升，且逐渐影响到更年轻的群体。美国的流行病学数据显示，其发病率从 2004 年的 19% 上升至 2011 年的 26%²，而中华医学会的一份报告指出，在接受辅助生殖技术治疗的不孕患者中，DOR 的患病率为 13.58%^2,3。

目前西医的管理策略包括控制性卵巢刺激、辅助药物治疗和激素替代疗法。然而，这些方法存在多种局限性，包括取卵率低、活产结局改善有限、治疗中断率高、存在禁忌证以及潜在的不良反应^4,5。

针灸已被研究作为改善卵巢功能减退（DOR）患者卵巢功能的一种补充治疗手段。临床研究和系统评价的证据表明其具有潜在益处^6,7,8。然而，针灸的诊断与治疗仍高度依赖操作者的经验，....

方案

本研究遵循机构伦理标准进行，并已获得东部战区总医院伦理委员会批准（批准号：DZQH-KYLLFS-25-38）。所有参与者在纳入研究前均签署了书面知情同意书。所有患者数据均已匿名化和去标识化，以确保隐私保护。本实验方案所用研究工具已列于材料表中。

1. 知识图谱构建

知识图谱采用多源数据整合策略构建。数据收集与标注工作由接受过正规中医（TCM）和针灸教育的 trained personnel 完成。数据来源包括经典针灸文献、来自 CNKI 的中文文献、来自 Web of Science 核心合集的英文文献、三级医院生殖中心的临床数据，以及标准化知识库（经典文献的详细列表见补充文件 1）。选择这些来源旨在确保知识图谱兼具历史深度与当代临床相关性。共纳入 400 例临床病例，以支持诊断与治疗模式的识别。知识图谱构建的整体工作流程见图 1。

结果

构建的知识图谱整合了来自经典中医文献、现代临床文献和真实世界病例记录的异构数据，遵循既定的知识图谱构建与评估原则。共纳入374份中文文献、267篇英文文章和82部经典中医古籍，确保了历史深度与当代临床相关性图5).

图 5：知识来源分布。 饼图显示了知识图谱中所使用知识来源的构成，包括中文文献（54%）、英文文章（39%）和中医书籍（7%）。

讨论

本研究介绍了一种基于知识图谱的智能决策支持系统，专为卵巢储备功能减退的针灸治疗而设计，标志着从通用型中医知识建模向特定疾病临床应用的转变。

与主要依赖医师经验的传统针灸实践相比，本研究所提出的系统引入了一种结构化且可重复的诊断框架。通过整合多源知识，并将“症状—证候—治疗”范式编码为基于图谱的表示形式，该系统能够在符合中医理论的同时实现标准化推理，并保持临床灵活性。该方法与近年来人工智能辅助中医诊断模型的发展方向一致，强调结构化知识表示与数据驱动推理的融合²⁵。

本研究的一个关键方法学特征是从一个大规模通用知识图谱中构建出妇科专用的子图。尽管大规模图谱具有广泛的表征能力，但可能引入冗余和无关的关联。相比之下，领域专用的子图能够提升语义连贯性和任务相关性。这一设计在卵巢储备功能减退（DOR）中尤为重要，因为其临床决策依赖于详细的症状模式和生殖指标。所观察到的性能表现与先前研究一致，表明在专业医学应用中，有针对性的图谱表征可提高效率和准确性²⁶

材料

本文使用的材料清单

姓名	公司	目录编号	评论
BiLSTM-CRF	开源（https://github.com/jmhIcoding/bilstm-crf）	N/A	用于临床文本提取中命名实体识别的深度学习模型架构
CNKI数据库	中国国家知识基础设施	N/A	用于检索相关中文语文学术出版物的文献数据库。
JSON 查看器 &和格式化工具	Megaish	1.6.0	用于查看和验证 JSON 数据结构的软件工具。
KGs 注释平台	南京科济数据科技有限公司	N/A	用于支持知识图谱构建的医学实体及关系语料库人工标注的基于网络的协作标注平台
大型语言模型 API	Moonshot AI	N/A	Kimi 大语言模型 API 用于生物医学文献的语义理解与自动化知识提取；接口兼容 OpenAI API 格式。
MySQL	甲骨文公司	8.0.42	用于存储结构化临床数据的关系型数据库管理系统。
Neo4j 浏览器	Neo4j, Inc.	5.26.10	用于妇科知识图谱交互式可视化与探索性查询的图数据库界面。
Python	Python 软件基金会	3.11.4	用于自动化文献爬取、大语言模型API调用、多进程协调、数据解析和知识图谱构建的主要编程语言。
Web of Science 核心合集	科睿唯安	N/A	用于检索相关英文文献的学术资源库。