Name: Eine Studie zu einem intelligenten Diagnose- und Behandlungsassistentensystem für Akupunktur bei vermindertem Eierstockreserve basierend auf einem Wissensdiagramm (Video) | JoVE Journal
Uploaded: 2026-05-29T15:20:00.000+00:00
Duration: 8 min 43 s
Description: Erfahren Sie die Entwicklung eines KI-gestützten Akupunktur-Entscheidungssystems für verminderte Eierstockreserve mittels Wissensdiagramm und BiLSTM-CRF. Die klinische Evaluation zeigte 86,7% diagnostische Übereinstimmung mit Experten.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Diese Studie wurde gemäß institutionellen ethischen Standards durchgeführt und vom Ethikausschuss des Generalkrankenhauses des Eastern Theater Command genehmigt (Genehmigungsnummer DZQH-KYLLFS-25-38). Vor der Aufnahme wurde von allen Teilnehmern eine schriftliche informierte Zustimmung eingeholt. Alle Patientendaten wurden anonymisiert und anonymisiert, um den Datenschutz zu gewährleisten. Die Forschungswerkzeuge für dieses Protokoll sind in der Materialtabelle aufgeführt.
1. Konstruktion von Wissensgraphen
Der Wissensgraph wurde mit einer Multiquellen-Datenintegrationsstrategie erstellt. Die Datenerhebung und -annotation wurden von geschultem Personal mit formaler Ausbildung in Traditioneller Chinesischer Medizin (TCM) und Akupunktur durchgeführt. Die Datenquellen umfassten klassische Akupunkturtexte, chinesischsprachige Literatur von CNKI, englischsprachige Literatur aus der Web of Science Core Collection, klinische Daten aus Fortpflanzungszentren tertiärer Krankenhäuser und standardisierte Wissensdatenbanken (die detaillierte Liste klassischer Texte ist in Supplementary File 1 verfügbar). Diese Quellen wurden ausgewählt, um sowohl historische Tiefe als auch zeitgenössische klinische Relevanz zu gewährleisten. Insgesamt wurden 400 klinische Fälle eingeschlossen, um die Identifizierung diagnostischer und therapeutischer Muster zu unterstützen. Der gesamte Arbeitsablauf der Knowledge Graph-Erstellung ist in Abbildung 1 dargestellt. 
<img alt="Abbildung 1" class="xfigimg" src="/files/ftp_upload/71182/71182fig1.jpg" data-altupdatedat="1783400419000" data-alt="Figure 1"> 
Abbildung 1: Knowledge Graph Construction Workflow. Überblick über den Datenerfassungs-, Extraktions- und Integrationsprozess, der zur Erstellung des Wissensgraphen verwendet wird. <a href="https://www.jove.com/files/ftp_upload/71182/71182fig1large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.</a>
Die Aufnahmekriterien verlangten, dass alle Daten direkt mit der Akupunkturdiagnose und -behandlung in Zusammenhang stehen und vollständige und klar strukturierte Inhalte für die Entität- und Beziehungsextraktion geeignet sind. Klassische Texte mussten kritisch zusammengestellt und frei von offensichtlichen Fehlern sein, während die moderne Literatur auf peer-reviewte Publikationen oder Dokumente autoritativer Institutionen beschränkt war. Klinische Daten mussten deidentifiziert und ethisch genehmigt werden. Zu den Ausschlusskriterien gehörten doppelte Unterlagen, unvollständige Textfragmente, Inhalte, die nicht mit der Akupunkturdiagnose und -behandlung zu tun hatten, sowie nicht belegte oder fehlerhafte Aussagen.
Ein hybrider Ansatz zur Wissensextraktion wurde implementiert, der manuelle Annotation und automatisierte Extraktion kombiniert. Ungefähr 30 % der Daten, einschließlich klassischer Texte und semantisch komplexer Inhalte, wurden manuell von Fachexperten mit einer standardisierten Annotationsplattform annotiert. Die restlichen 70 % der Daten wurden mit großen Sprachmodellen (LLMs) für automatisierte Extraktionen verarbeitet, einschließlich Entitätserkennung, Beziehungsextraktion und Terminologie-Normalisierung. Alle automatisch generierten Ergebnisse wurden von Experten überprüft und korrigiert, um Genauigkeit und Konsistenz sicherzustellen.
Die automatisierte Extraktion erfolgte mit strukturierten Prompt-Vorlagen, die das Verhalten von LLMs steuern sollten (Vorlagenbeispiele sind in Supplementary File 2 dargestellt). Diese Vorlagen definierten die Modellrolle als domänenspezifische Wissensextraktionsexperte und integrierten Few-Shot-Lernbeispiele im JSON-Triplet-Format, um die Extraktionsleistung zu verbessern. Vorverarbeitete Literaturzusammenfassungen wurden über Application Programming Interfaces (APIs) eingereicht, und parallele Verarbeitungsstrategien wurden implementiert, um die Recheneffizienz zu verbessern. Extraktionsausgaben wurden mit JSON-Validierungstools analysiert und validiert, um die strukturelle Integrität sicherzustellen. Validierte Wissens-Triplets wurden in unabhängige JSON-Dateien serialisiert, die nach ihren Quelldokumenten benannt wurden, um die Rückverfolgbarkeit zu gewährleisten.
Der finalisierte Wissensgraph wurde in einer Graphdatenbank gespeichert und mit Python-basierten Frameworks implementiert. Die Visualisierung wurde mit integrierten Graphdatenbank-Tools durchgeführt, um Inspektion und Validierung zu unterstützen.
Die Entitäten im Wissensgraphen wurden in sieben Typen eingeteilt: Krankheiten, Symptome, Syndrommuster, Akupunkte, Meridiane, Behandlungsmethoden sowie Effektorsubstanzen und biologische Mechanismen. Beziehungen zwischen Entitäten wurden so konstruiert, dass sie die klinische diagnostische und therapeutische Logik widerspiegeln und Multi-Hop-Argumentation sowie strukturierte Inferenz unterstützen. Die Ontologie und Beziehungsstruktur sind in Abbildung 2 dargestellt. Das detaillierte Knowledge Graph-Schema und Beispiele für Beziehungsconstraints sind in Supplementary File 3 und Supplementary File 4 bereitgestellt.
<img alt="Abbildung 2" class="xfigimg" src="/files/ftp_upload/71182/71182fig2.jpg" data-altupdatedat="1783400419000" data-alt="Figure 2"> 
Abbildung 2: Wissensgraph-Ontologie und Beziehungsmodell. Schematische Darstellung von Entitätstypen und Beziehungen innerhalb des Wissensgraphen. Kernobjekte umfassen Krankheit, Symptom, Syndrom, Akupunktur und Behandlungsmethode und veranschaulichen diagnostische und therapeutische Zusammenhänge. 
<a href="https://www.jove.com/files/ftp_upload/71182/71182fig2large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.</a>
2. Entwicklung von Anwendungssystemen
Das Anwendungssystem wurde auf Basis des konstruierten Wissensdiagramms entwickelt, um klinische Entscheidungsunterstützung zu ermöglichen. Das System verarbeitet Benutzereingabedaten und führt strukturierte Analysen durch natürliche Sprachverarbeitung und Wissensgraphen-Argumentation durch.
Das Verständnis natürlicher Sprache wurde mit dem BiLSTM-CRF-Modell für die Erkennung benannter Entitäten und Entitätsverknüpfung implementiert; die Modellarchitektur ist in Abbildung 3 dargestellt. Die Modellarchitektur bestand aus einer Embedding-Schicht, die auf domänenspezifischen Korpora trainiert wurde, einer bidirektionalen Langzeit-Kurzzeitspeicherschicht zur Erfassung kontextueller Informationen und einer bedingten Zufallsfeldschicht zur Sicherstellung optimaler Sequenzkennzeichnung. Das Modell wurde auf manuell annotierten klinischen und Literaturdaten trainiert, wobei die Annotation unabhängig von Fachexperten durchgeführt wurde. Die Übereinstimmung zwischen den Annotatoren wurde mit dem Cohenschen Kappa-Koeffizienten bewertet, mit einem Schwellenwert von ≥0,85. Unstimmigkeiten wurden durch Expertenkonsens gelöst.
<img alt="Abbildung 3" class="xfigimg" src="/files/ftp_upload/71182/71182fig3.jpg" data-altupdatedat="1783400419000" data-alt="Figure 3"> 
Abbildung 3: BiLSTM-CRF Modellarchitektur. Schematisches Diagramm des BiLSTM-CRF-Modells, das für die Erkennung benannter Entitäten verwendet wird, einschließlich Einbettungen, BiLSTM- und CRF-Schichten. 
<a href="https://www.jove.com/files/ftp_upload/71182/71182fig3large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.</a>
Während der Inferenz extrahierte das Modell strukturierte Entitäten, einschließlich Symptome, Krankheiten und Syndrommuster, aus klinischen Eingabedaten. Diese Entitäten wurden auf standardisierte Knoten im Wissensgraphen abgebildet, indem Terminologie-Normalisierung, cosinusähnlichkeitsbasierte Vektorabgleichung und kontextuelle Mehrdeklarisierung verwendet wurden.
Die Wissensabrufung erfolgte mit einer Dual-Mode-Strategie, die Schlüsselwort- und semantischbasierte Ansätze kombinierte. Der Schlüsselwortabruf nutzte Volltext-Indexierung zur präzisen Abgleichung strukturierter Entitäten, während semantische Abrufe Vektorrepräsentationen nutzte, um relevantes unstrukturiertes Wissen zu identifizieren. Die abgerufenen Ergebnisse wurden zusammengeführt, dedupliziert und für die nachgelagerte Verarbeitung strukturiert. Eine multidimensionale Ranking-Strategie wurde angewandt, um Ergebnisse basierend auf exaktem Matching, semantischer Ähnlichkeit und Keyword-Relevanz zu priorisieren, wobei die Gewichtung für gynäkologische und DOR-bezogene Kontexte angepasst wurde.
Das System erzeugte diagnostische und Behandlungsergebnisse mithilfe natürlicher Sprachgenerierungstechniken und wandelte strukturiertes Wissen in klinisch interpretierbare Antworten um.
3. Klinische Anwendung und Bewertung
Das entwickelte System wurde in einer klinischen Umgebung eingesetzt, um seine praktische Leistung zu bewerten. Die Studienteilnehmer waren Patienten, bei denen in einem tertiären Krankenhaus in Nanjing eine verminderte Ovarialreserve diagnostiziert wurde und die einer Akupunkturbehandlung zustimmten.
Die Teilnehmer waren berechtigt, wenn sie im Alter von 20 bis 40 Jahren waren und die diagnostischen Kriterien für eine verminderte Eierstockreserve gemäß den POSEIDON-Kriterien 2016 und dem chinesischen Expertenkonsens 2020 erfüllten. Diagnostische Indikatoren umfassten reduzierte anti-Müllersche Hormonspiegel und eine antrale Follikelzahl &lt; 5. Patienten wurden ausgeschlossen, wenn sie Erkrankungen hatten, die die Fruchtbarkeit beeinträchtigten, schwerwiegende Begleiterkrankungen hatten oder innerhalb der vorangegangenen drei Monate eine Akupunkturbehandlung zur Fruchtbarkeit erhalten hatten. Das Patienteneinschluss- und Ausschluss-Flussdiagramm ist in Abbildung 4 dargestellt.
<img alt="Abbildung 4" class="xfigimg" src="/files/ftp_upload/71182/71182fig4.jpg" data-altupdatedat="1783400419000" data-alt="Figure 4"> 
Abbildung 4: Patienteneinschluss- und -ausschluss-Flussdiagramm. Flussdiagramm zeigt die Patientenauswahl. Insgesamt erfüllten 127 Patienten die Einschlusskriterien, und 90 Patienten wurden nach Anwendung der Ausschlusskriterien und Berücksichtigung unvollständiger Daten eingeschlossen. <a href="https://www.jove.com/files/ftp_upload/71182/71182fig4large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.</a>
Patientendaten, einschließlich demografischer und klinischer Informationen, wurden in einem strukturierten Format gesammelt und erfasst. Die Teilnehmer füllten standardisierte Fragebögen aus, um Symptom- und klinische Informationen zu erfassen (der detaillierte Fragebogen ist in Supplementary File 5 bereitgestellt). Das System erzeugte diagnostische Ausgaben und Akupunkturverschreibungen basierend auf den Eingabedaten.
Die Systemleistung wurde anhand der diagnostischen Genauigkeit und der Behandlungsangemessenheit bewertet. Die diagnostische Genauigkeit wurde bewertet, indem systemgenerierte Syndrom-Differenzierungsergebnisse mit denen von drei leitenden gynäkologischen TCM-Ärzten verglichen wurden, die als Referenzstandard dienten. Die diagnostische Übereinstimmung wurde als Anteil der konsistenten Fälle unter allen Fällen berechnet.
Die Angemessenheit der Behandlung wurde von einem Gremium aus drei erfahrenen Akupunkteuren mit mindestens fünf Jahren klinischer Erfahrung und leitenden Berufstiteln bewertet. Experten bewerteten systemgenerierte Rezepte unabhängig mit einer 5-Punkte-Likert-Skala. Die Übereinstimmung zwischen den Ratern wurde mit Kendalls Konkordanzkoeffizienten (W) bewertet.

<table><tbody><tr><td>BiLSTM-CRF</td><td>Open Source (https://github.com/jmhIcoding/bilstm-crf)</td><td>N/A</td><td>Deep Learning-Modellarchitektur, die für die Benennungsentitätserkennung bei der Extraktion klinischer Texte verwendet wird.</td></tr><tr><td>CNKI-Datenbank</td><td>China National Knowledge Infrastructure</td><td>N/A</td><td>Literatur-Repository, das für das Abrufen relevanter chinesischsprachiger akademischer Publikationen verwendet wird.</td></tr><tr><td>JSON Viewer &amp; Formatter</td><td>Megaish</td><td>1.6.0</td><td>Software-Tool zur Anzeige und Validierung von JSON-Datenstrukturen.</td></tr><tr><td>KGs Annotation Platform</td><td>Nanjing KGI Data Technology Co., Ltd.</td><td>N/A</td><td>Webbasierte kollaborative Annotation-Plattform, die für die manuelle Kennzeichnung von medizinischen Entitäts- und Beziehungskorpora zur Unterstützung der Wissensgraphenkonstruktion verwendet wird.</td></tr><tr><td>Large Language Model API</td><td>Moonshot AI</td><td>N/A</td><td>Kimi LLM API, die für das semantische Verständnis und die automatisierte Wissensextraktion aus biomedizinischer Literatur verwendet wird; Schnittstelle kompatibel mit dem OpenAI API-Format.</td></tr><tr><td>MySQL</td><td>Oracle Corporation</td><td>8.0.42</td><td>Relationales Datenbankmanagementsystem, das für die Speicherung strukturierter klinischer Daten verwendet wird.</td></tr><tr><td>Neo4j Browser</td><td>Neo4j,Inc.</td><td>5.26.10</td><td>Graphdatenbank-Schnittstelle, die für die interaktive Visualisierung und explorative Abfrage des gynäkologischen Wissensgraphen verwendet wird.</td></tr><tr><td>Python</td><td>Python Software Foundation</td><td>3.11.4</td><td>Primäre Programmiersprache, die für automatisiertes Literatur-Crawling, LLM API-Aufruf, Multiprocessing-Koordination, Datenparsung und Wissensgraphenkonstruktion verwendet wird.</td></tr><tr><td>Web of Science Core Collection</td><td>Clarivate Analytics</td><td>N/A</td><td>Literatur-Repository, das für das Abrufen relevanter englischsprachiger akademischer Publikationen verwendet wird.</td></tr></tbody></table>

eine studie zu einem intelligenten diagnose- und behandlungsassistentensystem für akupunktur bei vermindertem eierstockreserve basierend auf einem wissensdiagramm

A Study on an Intelligent Diagnosis and Treatment Assistant System for Acupuncture in Diminished Ovarian Reserve Based on a Knowledge Graph

Der konstruierte Wissensgraph integriert heterogene Daten aus klassischen traditionellen chinesischen Medizintexten, moderner klinischer Literatur und realen Fallaufzeichnungen und folgt den etablierten Prinzipien der Erstellung und Bewertung von Wissensdiagrammen. Insgesamt wurden 374 chinesischsprachige Quellen, 267 englischsprachige Artikel und 82 klassische TCM-Texte aufgenommen, was sowohl historische Tiefe als auch zeitgenössische klinische Relevanz gewährleistet (Abbildung 5)....

Eine Studie zu einem intelligenten Diagnose- und Behandlungsassistentensystem für Akupunktur bei vermindertem Eierstockreserve basierend auf einem Wissensdiagramm

Diminished ovarian reserve (DOR) is increasing in incidence and affecting younger women. Acupuncture has been used clinically for DOR; however, practice ...

a-study-on-an-intelligent-diagnosis-treatment-assistant-system-for

Research

Forschung

JoVE Journal

Medicine

Medizin

Ein computergestütztes Protokoll, CaseOLAP LIFT, und ein Anwendungsfall zur Untersuchung von mitochondrialen Proteinen und ihren Assoziationen mit kardiovaskulären Erkrankungen, wie sie in biomedizinischen Berichten beschrieben sind, werden vorgestellt. Dieses Protokoll kann leicht angepasst werden, um vom Benutzer ausgewählte zelluläre Komponenten und Krankheiten zu untersuchen.

Ein Knowledge-Graph-Ansatz zur Aufklärung der Rolle von Organellen-Signalwegen bei Krankheiten anhand biomedizinischer Berichte

Hier beschreiben wir ein Protokoll für die Durchführung einer milden Anästhesie- und Akupunkturbehandlung an einem chronischen Hypoxie-Mausmodell und die Durchführung von Verhaltenstests zur Beurteilung der kognitiven Veränderungen nach der Behandlung.

Akupunkturbehandlung in einem Mausmodell der chronischen Hypoxie-induzierten kognitiven Dysfunktion

Diese Studie stellt ein Protokoll für die Fadeneinbettung der Akupunkturtherapie bei Ratten vor, die der Alzheimer-Krankheit ähneln.

Operationsverfahren und Vorsichtsmaßnahmen der Fadeneinbettungs-Akupunkturtherapie bei Alzheimer

Das vorliegende Protokoll beschreibt ein Verfahren zur Beurteilung der ovariellen Reserve bei Patientinnen unter 25 Jahren, die eine Fertilitätserhaltung durch Kryokonservierung des Ovarialgewebes benötigen. Diese Methode umfasst: (1) die histologische Beurteilung der ovariellen Reserve in kortikalen Proben, (2) den Vergleich mit einem Referenzdatensatz und (3) die Berechnung von Z-Scores.

Z-Scores zur Beurteilung der ovariellen Reserve bei jungen Patientinnen, die sich einer Fertilitätserhaltung unterziehen

In diesem Artikel wird RUGGED (Retrieval Under Graph-Guided Explainable disease Distinction) beschrieben, das die Inferenz des Large Language Model (LLM) mit der Retrieval-Augmented Generation (RAG) integriert. Es stützt sich auf Erkenntnisse aus von Experten kuratierten biomedizinischen Wissensdatenbanken und biomedizinischen Publikationen, um neues Wissen aus aktuellen Informationen zu synthetisieren, erklärbare und umsetzbare Vorhersagen zu identifizieren und vielversprechende Richtungen für...

Evidenzbasierte Wissenssynthese und Hypothesenvalidierung: Navigieren in biomedizinischen Wissensdatenbanken mit erklärbarer KI und agentischen Systemen

Dieses Protokoll beschreibt die Akupunkturverfahren für Patienten mit Übergewicht, die durch Hyperlipidämie kompliziert werden, und zertifiziert den Einfluss emotionaler Faktoren auf die therapeutische Wirksamkeit anhand von Kennzahlen wie BMI, Cholesterin und Triglyzeridwerten.

Einfluss emotionaler Faktoren auf die Wirksamkeit der Akupunkturbehandlung bei Übergewicht kompliziert mit Hyperlipidämie: Eine retrospektive Kohortenstudie

Amblyopie ist eine Entwicklungsstörung des visuellen Kortex, die oft durch starke Unterdrückung des einen Auges begleitet wird. Wir präsentieren eine neue Technik zur Messung und Behandlung interocular Unterdrückung bei Patienten mit Amblyopie, die mithilfe virtueller Realität Schutzbrille oder einen tragbaren iPod Touch-Gerät werden können.

Die Messung und Behandlung von Unterdrückung in Amblyopie

Verlust von peritonealen Integrität bietet ein neues Paradigma zu verstehen und zu behandeln chronischen Beckenschmerzen bei Frauen mit leichten Formen von Endometriose und kann leicht nachgewiesen werden unter Verwendung intraoperative Instillation von Farbstoff zum Zeitpunkt der Laparoskopie.

Intraoperative Detektion von Subtle Endometriosis: A Novel Paradigm for Detection und Behandlung von Pelvic Pain mit dem Loss of Peritoneal Integrity-Zustellbare

Zwei Paradigmen Übung wurden auf einem neu entwickelten chemisch induzierte Menopause Mausmodell getestet werden, um die Auswirkungen der Wechseljahre auf die körperliche Belastbarkeit und Herz Anpassung ausüben zu untersuchen.

Eine Methode, um die Auswirkungen der Chemisch-induzierte Ovarialinsuffizienz on Exercise Cardiac Kapazität und Anpassung in Mäusen untersucht

Präzise Messung von neurologischen und neuropsychologische Beeinträchtigung und Behinderung bei Multipler Sklerose ist eine Herausforderung. Wir berichten methodische Details zu einem neuen Test, der Multiple-Sklerose-Performance-Test (MSPT). Dieser neue Ansatz für das Ziel der Quantifizierung der MS Zusammenhang mit einer Behinderung bietet einen Computer-basierten Plattform für präzise, ​​valide Messung von MS Schweregrad.

Die Multiple-Sklerose-Performance-Test (MSPT): Ein iPad-Based Disability Assessment Tool

Erfahren Sie die Entwicklung eines KI-gestützten Akupunktur-Entscheidungssystems für verminderte Eierstockreserve mittels Wissensdiagramm und BiLSTM-CRF. Die klinische Evaluation zeigte 86,7% diagnostische Übereinstimmung mit Experten.

Eine Studie zu einem intelligenten Diagnose- und Behandlungsassistentensystem für Akupunktur bei vermindertem Eierstockreserve basierend auf einem Wissensdiagramm (Video) | JoVE Journal

Eine Studie zu einem intelligenten Diagnose- und Behandlungsassistentensystem für Akupunktur bei vermindertem Eierstockreserve basierend auf einem Wissensdiagramm

Weitere Videos entdecken