Name: Uno studio su un sistema intelligente di diagnosi e assistenza al trattamento per lagopuntura nella ridotta riserva ovarica basato su un grafico di conoscenza (Video) | JoVE Journal
Uploaded: 2026-05-29T15:20:00.000+00:00
Duration: 8 min 43 s
Description: Scopri un sistema intelligente di diagnosi e assistenza al trattamento per l'agopuntura nella ridotta riserva ovarica basato su un grafico di conoscenza. Questo metodo automatizza la differenziazione sindromica e la generazione delle prescrizioni con un'accuratezza diagnostica dell'86,7%.

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

Questo studio è stato condotto in conformità agli standard etici istituzionali ed è stato approvato dal Comitato Etico dell'Ospedale Generale del Comando del Teatro Orientale (Approvazione n. DZQH-KYLLFS-25-38). Il consenso informato scritto è stato ottenuto da tutti i partecipanti prima dell'inclusione. Tutti i dati dei pazienti sono stati anonimizzati e de-identificati per garantire la protezione della privacy. Gli strumenti di ricerca per questo protocollo sono elencati nella Tabella dei Materiali.
1. Costruzione di grafi della conoscenza
Il knowledge graph è stato costruito utilizzando una strategia di integrazione dati multi-sorgente. La raccolta e l'annotazione dei dati sono state effettuate da personale formato con formazione formale in Medicina Tradizionale Cinese (MTC) e agopuntura. Le fonti dati includevano testi classici di agopuntura, letteratura in lingua cinese del CNKI, letteratura in lingua inglese dalla Web of Science Core Collection, dati clinici dai centri riproduttivi degli ospedali terziari e basi di conoscenza standardizzate (L'elenco dettagliato dei testi classici è disponibile nel Supplementary File 1). Queste fonti sono state selezionate per garantire sia la profondità storica sia la rilevanza clinica contemporanea. Sono stati inclusi in totale 400 casi clinici per supportare l'identificazione di modelli diagnostici e terapeutici. Il flusso di lavoro complessivo della costruzione dei grafi della conoscenza è illustrato nella Figura 1. 
<img alt="Figura 1" class="xfigimg" src="/files/ftp_upload/71182/71182fig1.jpg" data-altupdatedat="1783400419000" data-alt="Figure 1"> 
Figura 1: Flusso di lavoro di costruzione di grafi della conoscenza. Panoramica del processo di raccolta, estrazione e integrazione dei dati utilizzato per costruire il grafo della conoscenza. <a href="https://www.jove.com/files/ftp_upload/71182/71182fig1large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
I criteri di inclusione richiedevano che tutti i dati fossero direttamente collegati alla diagnosi e al trattamento dell'agopuntura, con contenuti completi e chiaramente strutturati, adatti all'estrazione di entità e relazioni. I testi classici dovevano essere compilati in modo critico e privi di errori evidenti, mentre la letteratura moderna era limitata a pubblicazioni peer-reviewed o documenti pubblicati da istituzioni autorevoli. I dati clinici dovevano essere de-identificati e approvati dal punto di vista etico. I criteri di esclusione includevano record duplicati, frammenti di testo incompleti, contenuti non correlati alla diagnosi e al trattamento dell'agopuntura e affermazioni non supportate o errate.
È stato implementato un approccio ibrido di estrazione della conoscenza, che combina annotazione manuale ed estrazione automatizzata. Circa il 30% dei dati, inclusi testi classici e contenuti semanticamente complessi, veniva annotato manualmente da esperti del settore utilizzando una piattaforma di annotazione standardizzata. Il restante 70% dei dati è stato elaborato utilizzando grandi modelli linguistici (LLM) per l'estrazione automatica, inclusi riconoscimento di entità, estrazione di relazioni e normalizzazione della terminologia. Tutti i risultati generati automaticamente sono stati esaminati e corretti da esperti per garantire accuratezza e coerenza.
L'estrazione automatica veniva eseguita utilizzando template strutturati di prompt progettati per guidare il comportamento degli LLM (esempi di template sono presentati nel Supplementary File 2). Questi template definivano il ruolo del modello come esperto di estrazione di conoscenza specifico per dominio e incorporavano esempi di poche colpi in formato triplet JSON per migliorare le prestazioni di estrazione. Gli abstract della letteratura pre-elaborati sono stati inviati tramite interfacce di programmazione applicativa (API) e sono state implementate strategie di elaborazione parallela per migliorare l'efficienza computazionale. Gli output estrattivi venivano analizzati e validati utilizzando strumenti di validazione JSON per garantire l'integrità strutturale. I triplet di conoscenza validati venivano serializzati in file JSON indipendenti, denominati in base ai loro documenti di origine per mantenere la tracciabilità.
Il knowledge graph finale veniva memorizzato in un database di grafi e implementato utilizzando framework basati su Python. La visualizzazione veniva eseguita utilizzando strumenti integrati di database di grafi per supportare ispezione e validazione.
Le entità nel grafo della conoscenza sono state categorizzate in sette tipi: malattie, sintomi, schemi di sindrome, punti di agopuntura, meridiani, metodi di trattamento e sostanze effettrici e meccanismi biologici. Le relazioni tra entità sono state costruite per riflettere la logica diagnostica e terapeutica clinica, supportando il ragionamento multi-hop e l'inferenza strutturata. L'ontologia e la struttura relazionale sono illustrate nella Figura 2. Lo schema dettagliato del grafo di conoscenza ed esempi di vincoli di relazione sono forniti nel File Supplementare 3 e nel File Supplementare 4.
<img alt="Figura 2" class="xfigimg" src="/files/ftp_upload/71182/71182fig2.jpg" data-altupdatedat="1783400419000" data-alt="Figure 2"> 
Figura 2: Ontologia del grafo della conoscenza e modello relazionale. Rappresentazione schematica dei tipi di entità e delle relazioni all'interno del grafo della conoscenza. Le entità centrali includono malattia, sintomo, sindrome, punto di agopuntura e metodo di trattamento, e illustrano le relazioni diagnostiche e terapeutiche. 
<a href="https://www.jove.com/files/ftp_upload/71182/71182fig2large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
2. Sviluppo di sistemi applicativi
Il sistema applicativo è stato sviluppato sulla base del grafo di conoscenza costruito per consentire il supporto alle decisioni cliniche. Il sistema elabora i dati input dell'utente ed esegue analisi strutturate tramite elaborazione del linguaggio naturale e ragionamento tramite grafi della conoscenza.
La comprensione del linguaggio naturale è stata implementata utilizzando il modello BiLSTM-CRF per il riconoscimento e il collegamento di entità nominate; l'architettura del modello è mostrata nella Figura 3. L'architettura del modello consisteva in uno strato di embedding addestrato su corpi specifici di dominio, uno strato bidirezionale di memoria a breve termine per catturare informazioni contestuali e uno strato di campo casuale condizionale per garantire un'etichettatura ottimale delle sequenze. Il modello è stato addestrato su dati clinici e letterari annotati manualmente, con annotazioni eseguite indipendentemente da esperti del settore. L'accordo tra annotatori è stato valutato utilizzando il coefficiente kappa di Cohen, con una soglia di ≥0,85. Le discrepanze sono state risolte tramite consenso degli esperti.
<img alt="Figura 3" class="xfigimg" src="/files/ftp_upload/71182/71182fig3.jpg" data-altupdatedat="1783400419000" data-alt="Figure 3"> 
Figura 3: Architettura del modello BiLSTM-CRF. Diagramma schematico del modello BiLSTM-CRF utilizzato per il riconoscimento di entità nominate, inclusi embedded layer, BiLSTM e CRF. 
<a href="https://www.jove.com/files/ftp_upload/71182/71182fig3large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
Durante l'inferenza, il modello estraeva entità strutturate, inclusi sintomi, malattie e schemi di sindrome, dai dati clinici di input. Queste entità sono state mappate a nodi standardizzati nel grafo della conoscenza utilizzando la normalizzazione terminologica, il corrispondenza vettoriale basata sulla cosenosimilitudine e la disambiguazione contestuale.
Il recupero della conoscenza è stato effettuato utilizzando una strategia a doppia modalità che combinava approcci basati su parole chiave e semantica. Il recupero delle parole chiave utilizzava l'indicizzazione integrale del testo per un corrispondenza precisa di entità strutturate, mentre il recupero semantico impiegava rappresentazioni vettoriali per identificare conoscenze non strutturate rilevanti. I risultati recuperati sono stati fusi, deduplicati e strutturati per l'elaborazione a valle. È stata applicata una strategia di classificazione multidimensionale per dare priorità ai risultati basati su corrispondenza esatta, somiglianza semantica e rilevanza delle parole chiave, con una ponderazione adattata per contesti ginecologici e correlati alla DOR.
Il sistema generava risultati diagnostici e terapeutici utilizzando tecniche di generazione del linguaggio naturale, convertendo la conoscenza strutturata in risposte clinicamente interpretabili.
3. Applicazione clinica e valutazione
Il sistema sviluppato è stato applicato in ambito clinico per valutarne le prestazioni pratiche. I partecipanti allo studio erano pazienti diagnosticati con ridotta riserva ovarica in un ospedale terziario di Nanchino che hanno acconsentito a ricevere un trattamento di agopuntura.
I partecipanti erano idonei se avevano un'età compresa tra 20 e 40 anni e soddisfavano i criteri diagnostici per la ridotta riserva ovarica secondo i criteri POSEIDON 2016 e il Consenso degli Esperti Cinesi 2020. Gli indicatori diagnostici includevano livelli ridotti di ormoni anti-Müllerian e conteggio antralico dei follicoli &lt; 5. I pazienti sono stati esclusi se presentavano condizioni che influenzavano la fertilità, gravi comorbidità o avevano ricevuto un trattamento di agopuntura per la fertilità nei tre mesi precedenti. Il diagramma di flusso di inclusione ed esclusione dei pazienti è mostrato nella Figura 4.
<img alt="Figura 4" class="xfigimg" src="/files/ftp_upload/71182/71182fig4.jpg" data-altupdatedat="1783400419000" data-alt="Figure 4"> 
Figura 4: Diagramma di flusso di inclusione e esclusione dei pazienti. Diagramma di flusso che mostra la selezione dei pazienti. Un totale di 127 pazienti ha soddisfatto i criteri di inclusione e 90 pazienti sono stati inclusi dopo aver applicato i criteri di esclusione e aver tenuto conto dei dati incompleti. <a href="https://www.jove.com/files/ftp_upload/71182/71182fig4large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
I dati dei pazienti, inclusi dati demografici e clinici, sono stati raccolti e registrati in un formato strutturato. I partecipanti hanno compilato questionari standardizzati per raccogliere sintomi e informazioni cliniche (il questionario dettagliato è fornito nel Supplementary File 5). Il sistema generava output diagnostici e prescrizioni di agopuntura basandosi sui dati di input.
Le prestazioni del sistema sono state valutate utilizzando l'accuratezza diagnostica e l'adeguatezza del trattamento. L'accuratezza diagnostica è stata valutata confrontando i risultati della differenziazione della sindrome generati dal sistema con quelli forniti da tre medici senior della MTC ginecologica, che hanno servito come standard di riferimento. Il tasso di concordanza diagnostica è stato calcolato come la proporzione di casi costanti tra tutti i casi.
L'adeguatezza del trattamento è stata valutata da un panel composto da tre agopuntori senior con almeno cinque anni di esperienza clinica e titoli professionali senior. Gli esperti hanno valutato in modo indipendente le prescrizioni generate dal sistema utilizzando una scala di Likert a 5 punti. L'accordo tra valutatori è stato valutato utilizzando il coefficiente di concordanza di Kendall (W).

<table><tbody><tr><td>BiLSTM-CRF</td><td>Open Source (https://github.com/jmhIcoding/bilstm-crf)</td><td>N/A</td><td>Architettura del modello di apprendimento profondo impiegata per il riconoscimento di entità nominate nell'estrazione di testi clinici.</td></tr><tr><td>CNKI Database</td><td>China National Knowledge Infrastructure</td><td>N/A</td><td>Repository letterario utilizzato per il recupero di pubblicazioni accademiche pertinenti in lingua cinese.</td></tr><tr><td>JSON Viewer &amp; Formatter</td><td>Megaish</td><td>1.6.0</td><td>Strumento software utilizzato per la visualizzazione e la convalida della struttura dati JSON.</td></tr><tr><td>KGs Annotation Platform</td><td>Nanjing KGI Data Technology Co., Ltd.</td><td>N/A</td><td>Piattaforma di annotazione collaborativa basata sul web utilizzata per l'etichettatura manuale di corpora di entità e relazioni mediche per supportare la costruzione di grafici di conoscenza.</td></tr><tr><td>Large Language Model API</td><td>Moonshot AI</td><td>N/A</td><td>API LLM di Kimi impiegata per la comprensione semantica e l'estrazione automatizzata di conoscenze dalla letteratura biomedica; interfaccia compatibile con il formato API di OpenAI.</td></tr><tr><td>MySQL</td><td>Oracle Corporation</td><td>8.0.42</td><td>Sistema di gestione di database relazionale utilizzato per l'archiviazione di dati clinici strutturati.</td></tr><tr><td>Neo4j Browser</td><td>Neo4j,Inc.</td><td>5.26.10</td><td>Interfaccia di database grafico utilizzata per la visualizzazione interattiva e l'interrogazione esplorativa del grafico di conoscenze ginecologiche.</td></tr><tr><td>Python</td><td>Python Software Foundation</td><td>3.11.4</td><td>Lingua di programmazione primaria utilizzata per il crawling automatizzato della letteratura, l'invocazione dell'API LLM, la coordinazione multiprocessing, l'analisi dei dati e la costruzione del grafico di conoscenze.</td></tr><tr><td>Web of Science Core Collection</td><td>Clarivate Analytics</td><td>N/A</td><td>Repository letterario utilizzato per il recupero di pubblicazioni accademiche pertinenti in lingua inglese.</td></tr></tbody></table>

uno studio su un sistema intelligente di diagnosi e assistenza al trattamento per l'agopuntura nella ridotta riserva ovarica basato su un grafico di conoscenza

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

Il grafo della conoscenza costruito integra dati eterogenei provenienti da testi di medicina tradizionale cinese classica, letteratura clinica moderna e casi clinici reali, seguendo principi consolidati di costruzione e valutazione dei grafi della conoscenza. Sono state incorporate in totale 374 fonti in lingua cinese, 267 articoli in inglese e 82 testi classici della MTC, garantendo sia profondità storica sia rilevanza clinica contemporanea (Figura 5). 
<p class="jove_c...

Uno studio su un sistema intelligente di diagnosi e assistenza al trattamento per l'agopuntura nella ridotta riserva ovarica basato su un grafico di conoscenza

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

Ricerca

JoVE Journal

Medicine

Medicina

Vengono presentati un protocollo computazionale, CaseOLAP LIFT, e un caso d'uso per studiare le proteine mitocondriali e le loro associazioni con le malattie cardiovascolari come descritto nei rapporti biomedici. Questo protocollo può essere facilmente adattato per studiare i componenti cellulari e le malattie selezionate dall'utente.

Un approccio basato su Knowledge Graph per chiarire il ruolo delle vie organellari nella malattia attraverso referti biomedici

Qui, descriviamo un protocollo per l'implementazione di un trattamento di anestesia lieve e agopuntura su un modello murino di ipossia cronica e la conduzione di test comportamentali per valutare le alterazioni cognitive post-trattamento.

Trattamento con agopuntura in un modello murino di disfunzione cognitiva cronica indotta da ipossia

Questo studio presenta un protocollo per la terapia di agopuntura con inserimento di fili nei ratti simili al morbo di Alzheimer.

Procedura operativa e precauzioni della terapia di agopuntura con inserimento di fili nell'Alzheimer

Il presente protocollo descrive un metodo per valutare la riserva ovarica in pazienti di età inferiore ai 25 anni che necessitano di preservazione della fertilità attraverso la crioconservazione del tessuto ovarico. Questo metodo comporta: (1) la valutazione istologica della riserva ovarica nei campioni corticali, (2) il confronto con un set di dati di riferimento e (3) il calcolo degli Z-score.

Z-Score per la valutazione della riserva ovarica in pazienti giovani sottoposte a preservazione della fertilità

Questo articolo descrive RUGGED (Retrieval Under Graph-Guided Explainable disease Distinction), che integra l'inferenza LLM (Large Language Model) con la Retrieval-Augmented Generation (RAG). Trae prove da basi di conoscenze biomediche curate da esperti e pubblicazioni biomediche sottoposte a revisione paritaria per sintetizzare nuove conoscenze da informazioni aggiornate, identificare previsioni spiegabili e attuabili e individuare direzioni promettenti per indagini basate su ipotesi.

Sintesi delle conoscenze basate sull'evidenza e convalida delle ipotesi: navigazione nelle basi di conoscenze biomediche tramite sistemi di intelligenza artificiale e agenti spiegabili

Questo protocollo dettaglia le procedure di agopuntura per i pazienti con sovrappeso complicato da iperlipidemia e certifica l'influenza dei fattori emotivi sull'efficacia terapeutica basandosi su parametri quali BMI, colesterolo e livelli di trigliceridi.

Influenza dei fattori emotivi sull'efficacia del trattamento con agopuntura per il sovrappeso complicato con iperlipidemia: uno studio di coorte retrospettiva

L'ambliopia è un disturbo dello sviluppo della corteccia visiva che è spesso accompagnata da forte soppressione di un occhio. Vi presentiamo una nuova tecnica per la misurazione e il trattamento di soppressione endoculare in pazienti affetti da ambliopia che possono essere distribuiti utilizzando occhiali per la realtà virtuale o di un dispositivo portatile iPod Touch.

La misurazione e trattamento di soppressione in Ambliopia

La perdita di integrità peritoneale offre un nuovo paradigma per comprendere e curare il dolore pelvico cronico in donne con forme lievi di endometriosi e può essere facilmente individuate usando intraoperatoria instillazione di colorante al momento della laparoscopia.

Rilevazione intraoperatoria di endometriosi sottile: un nuovo paradigma per la rilevazione e il trattamento del dolore pelvico associato con la perdita di integrità peritoneale

Due paradigmi di esercizio sono stati testati su un indotto chimicamente modello murino della menopausa di recente sviluppato per esaminare l'impatto della menopausa sulla capacità di esercizio e l'adattamento cardiaco per esercitare.

Un metodo per studiare l&#39;impatto delle chimicamente indotta da insufficienza ovarica sulla capacità di esercizio e adattamento cardiaca nei topi

Misurazione precisa di danno neurologico e neuropsicologico e disabilità nella sclerosi multipla è una sfida. Riportiamo i dettagli metodologici su un nuovo test, la sclerosi multipla Performance Test (MSPT). Questo nuovo approccio con l'obiettivo di quantificazione della disabilità legata alla SM fornisce una piattaforma basata su computer per una precisa, valida misura della SM gravità.

La sclerosi multipla Performance Test (MSPT): uno strumento di valutazione della disabilità iPad-Based

Scopri un sistema intelligente di diagnosi e assistenza al trattamento per l'agopuntura nella ridotta riserva ovarica basato su un grafico di conoscenza. Questo metodo automatizza la differenziazione sindromica e la generazione delle prescrizioni con un'accuratezza diagnostica dell'86,7%.

Uno studio su un sistema intelligente di diagnosi e assistenza al trattamento per lagopuntura nella ridotta riserva ovarica basato su un grafico di conoscenza (Video) | JoVE Journal

Uno studio su un sistema intelligente di diagnosi e assistenza al trattamento per l'agopuntura nella ridotta riserva ovarica basato su un grafico di conoscenza

Esplora altri video