Name: Un estudio sobre un sistema inteligente de diagnóstico y asistencia al tratamiento para acupuntura en la disminución de la reserva ovárica basado en un gráfico de conocimiento (Video) | JoVE Journal
Uploaded: 2026-05-29T15:20:00.000+00:00
Duration: 8 min 43 s
Description: Descubra un sistema inteligente de acupuntura para el diagnóstico y tratamiento de la reserva ovárica disminuida basado en grafos de conocimiento. Este método automatiza la diferenciación de síndromes y la generación de prescripciones con alta precisión clínica.

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

Este estudio se llevó a cabo conforme a los estándares éticos institucionales y fue aprobado por el Comité de Ética del Hospital General del Mando del Teatro Oriental (Aprobación nº DZQH-KYLLFS-25-38). Se obtuvo el consentimiento informado por escrito de todos los participantes antes de su inclusión. Todos los datos de los pacientes fueron anonimizados y desidentificados para garantizar la protección de la privacidad. Las herramientas de investigación para este protocolo se han listado en la Tabla de Materiales.
1. Construcción de grafos de conocimiento
El grafo de conocimiento se construyó utilizando una estrategia de integración de datos multifuente. La recopilación y anotación de datos fue realizada por personal formado con formación formal en Medicina Tradicional China (MTC) y acupuntura. Las fuentes de datos incluían textos clásicos de acupuntura, literatura en chino del CNKI, literatura en inglés de la Web of Science Core Collection, datos clínicos de centros reproductivos en hospitales terciarios y bases de conocimiento estandarizadas (la lista detallada de textos clásicos está disponible en el Archivo Suplementario 1). Estas fuentes fueron seleccionadas para garantizar tanto la profundidad histórica como la relevancia clínica contemporánea. Se incluyeron un total de 400 casos clínicos para apoyar la identificación de patrones diagnósticos y terapéuticos. El flujo de trabajo general de construcción de grafos de conocimiento se ilustra en la Figura 1. 
<img alt="Figura 1" class="xfigimg" src="/files/ftp_upload/71182/71182fig1.jpg" data-altupdatedat="1783400419000" data-alt="Figure 1"> 
Figura 1: Flujo de trabajo de construcción de grafos de conocimiento. Resumen del proceso de recopilación, extracción e integración de datos utilizado para construir el grafo de conocimiento. <a href="https://www.jove.com/files/ftp_upload/71182/71182fig1large.jpg" target="_blank">Por favor, haz clic aquí para ver una versión ampliada de esta figura.</a>
Los criterios de inclusión requerían que todos los datos estuvieran directamente relacionados con el diagnóstico y tratamiento de la acupuntura, con contenido completo y claramente estructurado adecuado para la extracción de entidades y relaciones. Los textos clásicos debían ser recopilados críticamente y libres de errores evidentes, mientras que la literatura moderna se limitaba a publicaciones revisadas por pares o documentos publicados por instituciones autorizadas. Se requería que los datos clínicos fueran desidentificados y aprobados éticamente. Los criterios de exclusión incluían registros duplicados, fragmentos de texto incompletos, contenido no relacionado con el diagnóstico y tratamiento de la acupuntura, y afirmaciones sin fundamento o erróneas.
Se implementó un enfoque híbrido de extracción de conocimiento, que combinaba anotación manual y extracción automatizada. Aproximadamente el 30% de los datos, incluidos textos clásicos y contenido semánticamente complejo, fueron anotados manualmente por expertos del dominio utilizando una plataforma de anotación estandarizada. El 70% restante de los datos se procesó utilizando grandes modelos de lenguaje (LLMs) para su extracción automatizada, incluyendo reconocimiento de entidades, extracción de relaciones y normalización terminológica. Todos los resultados generados automáticamente fueron revisados y corregidos por expertos para garantizar la precisión y la coherencia.
La extracción automatizada se realizó utilizando plantillas estructuradas de prompts diseñadas para guiar el comportamiento de los LLM (los ejemplos de plantillas se presentan en el Archivo Suplementario 2). Estas plantillas definían el rol del modelo como un experto en extracción de conocimiento específico de dominio e incorporaban ejemplos de aprendizaje de pocos disparos en formato JSON triplet para mejorar el rendimiento de extracción. Los resúmenes de la literatura preprocesada se enviaron mediante interfaces de programación de aplicaciones (APIs), y se implementaron estrategias de procesamiento paralelo para mejorar la eficiencia computacional. Las salidas de extracción se analizaban y validaban utilizando herramientas de validación JSON para garantizar la integridad estructural. Los tripletes de conocimiento validados se serializaban en archivos JSON independientes, nombrados según sus documentos fuente para mantener la trazabilidad.
El grafo de conocimiento finalizado se almacenaba en una base de datos de grafos e implementaba utilizando frameworks basados en Python. La visualización se realizó utilizando herramientas integradas de bases de datos de grafos para facilitar la inspección y validación.
Las entidades en el grafo de conocimiento se categorizaron en siete tipos: enfermedades, síntomas, patrones de síndrome, puntos de acupuntura, meridianos, métodos de tratamiento y sustancias efectoras y mecanismos biológicos. Se construyeron relaciones entre entidades para reflejar la lógica diagnóstica y terapéutica clínica, apoyando el razonamiento multi-saltos y la inferencia estructurada. La ontología y la estructura de relaciones se ilustran en la Figura 2. El esquema detallado del grafo de conocimiento y ejemplos de restricciones de relaciones se proporcionan en el Archivo Suplementario 3 y el Archivo Suplementario 4.
<img alt="Figura 2" class="xfigimg" src="/files/ftp_upload/71182/71182fig2.jpg" data-altupdatedat="1783400419000" data-alt="Figure 2"> 
Figura 2: Ontología de grafos de conocimiento y modelo de relaciones. Representación esquemática de tipos de entidades y relaciones dentro del grafo de conocimiento. Las entidades centrales incluyen enfermedad, síntoma, síndrome, punto de acupuntura y método de tratamiento, y ilustran las relaciones diagnósticas y terapéuticas. 
<a href="https://www.jove.com/files/ftp_upload/71182/71182fig2large.jpg" target="_blank">Por favor, haz clic aquí para ver una versión ampliada de esta figura.</a>
2. Desarrollo de sistemas de aplicaciones
El sistema de aplicación se desarrolló a partir del grafo de conocimiento construido para permitir el apoyo a la decisión clínica. El sistema procesa datos de entrada de usuario y realiza análisis estructurados mediante procesamiento de lenguaje natural y razonamiento con grafos de conocimiento.
La comprensión del lenguaje natural se implementó utilizando el modelo BiLSTM-CRF para el reconocimiento y enlace de entidades nombradas; la arquitectura del modelo se muestra en la Figura 3. La arquitectura del modelo consistía en una capa de incrustación entrenada con corpus específicos de dominio, una capa bidireccional de memoria a corto plazo largo para capturar información contextual, y una capa condicional de campo aleatorio para asegurar el etiquetado óptimo de secuencias. El modelo se entrenó con datos clínicos y literarios anotados manualmente, con anotaciones realizadas de forma independiente por expertos del dominio. El acuerdo entre anotadores se evaluó usando el coeficiente kappa de Cohen, con un umbral de ≥0,85. Las discrepancias se resolvieron mediante consenso de expertos.
<img alt="Figura 3" class="xfigimg" src="/files/ftp_upload/71182/71182fig3.jpg" data-altupdatedat="1783400419000" data-alt="Figure 3"> 
Figura 3: Arquitectura del modelo BiLSTM-CRF. Diagrama esquemático del modelo BiLSTM-CRF utilizado para el reconocimiento de entidades nombradas, incluyendo incrustaciones, capas BiLSTM y CRF. 
<a href="https://www.jove.com/files/ftp_upload/71182/71182fig3large.jpg" target="_blank">Por favor, haz clic aquí para ver una versión ampliada de esta figura.</a>
Durante la inferencia, el modelo extrajo entidades estructuradas, incluyendo síntomas, enfermedades y patrones de síndromes, a partir de datos clínicos de entrada. Estas entidades se mapearon a nodos estandarizados en el grafo de conocimiento usando normalización terminológica, coincidencia vectorial basada en similitud coseno y desambiguación contextual.
La recuperación de conocimiento se realizó utilizando una estrategia de doble modo que combinaba enfoques basados en palabras clave y semántica. La recuperación por palabras clave utilizó la indexación de texto completo para la coincidencia precisa de entidades estructuradas, mientras que la recuperación semántica empleó representaciones vectoriales para identificar el conocimiento no estructurado relevante. Los resultados recuperados se fusionaron, deduplicaron y estructuraron para el procesamiento posterior. Se aplicó una estrategia de clasificación multidimensional para priorizar los resultados basándose en la coincidencia exacta, la similitud semántica y la relevancia de palabras clave, ajustando la ponderación para contextos ginecológicos y relacionados con la DOR.
El sistema generaba resultados diagnósticos y de tratamiento utilizando técnicas de generación de lenguaje natural, convirtiendo el conocimiento estructurado en respuestas clínicamente interpretables.
3. Aplicación clínica y evaluación
El sistema desarrollado se aplicó en un entorno clínico para evaluar su desempeño práctico. Los participantes del estudio fueron pacientes diagnosticados con reserva ovárica disminuida en un hospital terciario de Nankín que consintieron recibir tratamiento de acupuntura.
Los participantes eran elegibles si tenían entre 20 y 40 años y cumplían los criterios diagnósticos para la disminución de la reserva ovárica según los criterios POSEIDON de 2016 y el Consenso de Expertos Chinos de 2020. Los indicadores diagnósticos incluyeron una reducción de los niveles hormonales anti-Müllerianas y el recuento de folículos antrales &lt; 5. Se excluyeron pacientes si presentaban condiciones que afectaban la fertilidad, comorbilidades graves o si habían recibido tratamiento de acupuntura para la fertilidad en los tres meses previos. El diagrama de flujo de inclusión y exclusión del paciente se muestra en la Figura 4.
<img alt="Figura 4" class="xfigimg" src="/files/ftp_upload/71182/71182fig4.jpg" data-altupdatedat="1783400419000" data-alt="Figure 4"> 
Figura 4: Diagrama de flujo de inclusión y exclusión de pacientes. Diagrama de flujo que muestra la selección de pacientes. Un total de 127 pacientes cumplieron los criterios de inclusión, y 90 pacientes fueron incluidos tras aplicar criterios de exclusión y tener en cuenta los datos incompletos. <a href="https://www.jove.com/files/ftp_upload/71182/71182fig4large.jpg" target="_blank">Por favor, haz clic aquí para ver una versión ampliada de esta figura.</a>
Los datos de los pacientes, incluyendo información demográfica y clínica, se recopilaron y registraron en un formato estructurado. Los participantes completaron cuestionarios estandarizados para recoger la información de síntomas e clínica (el cuestionario detallado se proporciona en el Archivo Suplementario 5). El sistema generaba resultados diagnósticos y prescripciones de acupuntura basándose en los datos de entrada.
El rendimiento del sistema se evaluó utilizando la precisión diagnóstica y la adecuación del tratamiento. La precisión diagnóstica se evaluó comparando los resultados de diferenciación del síndrome generados por el sistema con los proporcionados por tres médicos senior de MTC ginecológica, que sirvieron como estándar de referencia. La tasa de concordancia diagnóstica se calculó como la proporción de casos consistentes entre todos los casos.
La idoneidad del tratamiento fue evaluada por un panel de tres acupuntores senior con al menos cinco años de experiencia clínica y títulos profesionales superiores. Los expertos evaluaron de forma independiente las prescripciones generadas por el sistema utilizando una escala de Likert de 5 puntos. El acuerdo entre evaluadores se evaluó utilizando el coeficiente de concordancia (W) de Kendall.

<table><tbody><tr><td>BiLSTM-CRF</td><td>Open Source (https://github.com/jmhIcoding/bilstm-crf)</td><td>N/A</td><td>Arquitectura de modelo de aprendizaje profundo empleada para el reconocimiento de entidades nombradas en la extracción de texto clínico.</td></tr><tr><td>CNKI Database</td><td>China National Knowledge Infrastructure</td><td>N/A</td><td>Repositorio de literatura utilizado para la recuperación de publicaciones académicas relevantes en idioma chino.</td></tr><tr><td>JSON Viewer &amp; Formatter</td><td>Megaish</td><td>1.6.0</td><td>Herramienta de software utilizada para la visualización y validación de estructuras de datos JSON.</td></tr><tr><td>KGs Annotation Platform</td><td>Nanjing KGI Data Technology Co., Ltd.</td><td>N/A</td><td>Plataforma de anotación colaborativa basada en web utilizada para la etiquetado manual de corpora de entidades médicas y relaciones para apoyar la construcción de gráficos de conocimiento.</td></tr><tr><td>Large Language Model API</td><td>Moonshot AI</td><td>N/A</td><td>API de LLM Kimi empleada para la comprensión semántica y extracción automatizada de conocimiento de literatura biomédica; interfaz compatible con el formato de API de OpenAI.</td></tr><tr><td>MySQL</td><td>Oracle Corporation</td><td>8.0.42</td><td>Sistema de gestión de bases de datos relacionales utilizado para el almacenamiento de datos clínicos estructurados.</td></tr><tr><td>Neo4j Browser</td><td>Neo4j,Inc.</td><td>5.26.10</td><td>Interfaz de base de datos gráfica utilizada para la visualización interactiva y consultas exploratorias del gráfico de conocimiento ginecológico.</td></tr><tr><td>Python</td><td>Python Software Foundation</td><td>3.11.4</td><td>Lenguaje de programación principal utilizado para la recopilación automatizada de literatura, invocación de API de LLM, coordinación de multiprocesamiento, análisis de datos y construcción de gráficos de conocimiento.</td></tr><tr><td>Web of Science Core Collection</td><td>Clarivate Analytics</td><td>N/A</td><td>Repositorio de literatura utilizado para la recuperación de publicaciones académicas relevantes en idioma inglés.</td></tr></tbody></table>

un estudio sobre un sistema inteligente de diagnóstico y asistencia al tratamiento para acupuntura en la disminución de la reserva ovárica basado en un gráfico de conocimiento

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

El grafo de conocimiento construido integra datos heterogéneos de textos de medicina tradicional china clásica, literatura clínica moderna y registros de casos reales, siguiendo principios establecidos de construcción y evaluación de grafos de conocimiento. Se incorporaron un total de 374 fuentes en chino, 267 artículos en inglés y 82 textos clásicos de la MTC, asegurando tanto profundidad histórica como relevancia clínica contemporánea (Figura 5). 
<p class="jove_conten...

Un estudio sobre un sistema inteligente de diagnóstico y asistencia al tratamiento para acupuntura en la disminución de la reserva ovárica basado en un gráfico de conocimiento

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

Investigación

JoVE Journal

Medicine

Medicina

Se presenta un protocolo computacional, CaseOLAP LIFT, y un caso de uso para investigar las proteínas mitocondriales y sus asociaciones con las enfermedades cardiovasculares descritas en los informes biomédicos. Este protocolo se puede adaptar fácilmente para estudiar los componentes celulares y las enfermedades seleccionadas por el usuario.

Un enfoque de grafos de conocimiento para dilucidar el papel de las vías organelares en la enfermedad a través de informes biomédicos

En este trabajo se describe un protocolo para la implementación de un tratamiento con anestesia leve y acupuntura en un modelo murino de hipoxia crónica y la realización de pruebas conductuales para evaluar las alteraciones cognitivas post-tratamiento.

Tratamiento con acupuntura en un modelo murino de disfunción cognitiva inducida por hipoxia crónica

Este estudio presenta un protocolo para la terapia de acupuntura con incrustación de hilos en ratas similares a la enfermedad de Alzheimer.

Procedimiento de operación y precauciones de la terapia de acupuntura con incrustación de hilos en el Alzheimer

El presente protocolo describe un método para evaluar la reserva ovárica en pacientes menores de 25 años que requieren preservación de la fertilidad mediante criopreservación de tejido ovárico. Este método implica: (1) la evaluación histológica de la reserva ovárica en muestras corticales, (2) la comparación con un conjunto de datos de referencia y (3) el cálculo de las puntuaciones Z.

Puntuaciones Z para la evaluación de la reserva ovárica en pacientes jóvenes sometidas a preservación de la fertilidad

En este artículo se describe RUGGED (Retrieval Under Graph-Guided Explainable disease Distinction), que integra la inferencia del modelo de lenguaje grande (LLM) con la generación aumentada de recuperación (RAG). Extrae evidencia de bases de conocimiento biomédico seleccionadas por expertos y publicaciones biomédicas revisadas por pares para sintetizar nuevos conocimientos a partir de información actualizada, identificar predicciones explicables y procesables, y señalar direcciones prometedoras...

Síntesis de conocimiento basado en la evidencia y validación de hipótesis: navegación por las bases de conocimiento biomédico a través de IA explicable y sistemas agentivos

Este protocolo detalla los procedimientos de acupuntura para pacientes con sobrepeso complicado por hiperlipidemia y certifica la influencia de los factores emocionales en la eficacia terapéutica basándose en métricas como IMC, colesterol y niveles de triglicéridos.

Influencia de los factores emocionales en la eficacia del tratamiento con acupuntura para el sobrepeso complicado con hiperlipidemia: un estudio de cohorte retrospectivo

La ambliopía es un trastorno del desarrollo de la corteza visual, que es acompañado a menudo por fuerte supresión de un ojo. Se presenta una nueva técnica para la medición y el tratamiento de supresión interocular en pacientes con ambliopía que se pueden implementar con gafas de realidad virtual o un dispositivo portátil iPod Touch.

La medición y tratamiento de la represión en la ambliopía

La pérdida de integridad peritoneal proporciona un nuevo paradigma para entender y tratar el dolor pélvico crónico en mujeres con formas leves de endometriosis y puede ser fácilmente detectado usando la instilación intraoperatoria de colorante en el momento de la laparoscopia.

Intraoperatoria detección de endometriosis sutil: un nuevo paradigma para la detección y tratamiento del dolor pélvico asociado con la pérdida de la integridad Peritoneal

Dos paradigmas de ejercicio se pusieron a prueba en un modelo inducido químicamente menopáusica ratón de nuevo desarrollo para examinar el impacto de la menopausia en la capacidad de ejercicio y la adaptación cardiaca al ejercicio.

Un método para estudiar el impacto de la falla ovárica inducida químicamente en la capacidad de ejercicio y la adaptación cardiaca en ratones

La medición precisa de la deficiencia y la discapacidad neurológica y neuropsicológica en la esclerosis múltiple es un reto. Presentamos los detalles metodológicos de una nueva prueba, la Prueba Múltiple Sclerosis Rendimiento (MSPT). Este nuevo enfoque al objetivo de la cuantificación de la discapacidad relacionada con la EM proporciona una plataforma basada en la computadora para la medición precisa, válida de MS severidad.

La prueba de la esclerosis múltiple de rendimiento (MSPT): Una Herramienta de Evaluación de Discapacidad Basado iPad

Descubra un sistema inteligente de acupuntura para el diagnóstico y tratamiento de la reserva ovárica disminuida basado en grafos de conocimiento. Este método automatiza la diferenciación de síndromes y la generación de prescripciones con alta precisión clínica.

Un estudio sobre un sistema inteligente de diagnóstico y asistencia al tratamiento para acupuntura en la disminución de la reserva ovárica basado en un gráfico de conocimiento (Video) | JoVE Journal

Un estudio sobre un sistema inteligente de diagnóstico y asistencia al tratamiento para acupuntura en la disminución de la reserva ovárica basado en un gráfico de conocimiento

Explorar más videos