【攜手共研】善用知識圖譜 度身定製療法

◆ 張清鵬利用知識圖譜結合人工智能算法,預測個人化用藥或評估入院風險。 香港文匯報記者  攝
◆ 張清鵬利用知識圖譜結合人工智能算法,預測個人化用藥或評估入院風險。 香港文匯報記者 攝

◆ 張清鵬團隊建立的香港人口流動模型。受訪者供圖
◆ 張清鵬團隊建立的香港人口流動模型。受訪者供圖

  人工智能評估再入院風險 最快3年可成立科技公司推廣

  老年人平均壽命增長,各種慢性病紛紛來襲,容易引起各種併發症。香港城市大學數據科學學院副教授張清鵬及其團隊研發出「分布式知識圖譜數據管理關鍵技術與系統」,利用知識圖譜結合人工智能算法,根據醫療領域各種病例、併發症及用藥關係等相關數據,可望能「四步走」完成個人化用藥預測或入院風險評估,提升醫療體系運作效率。有關研究獲本港創新科技基金專門推動兩地協作的「內地與香港聯合資助計劃」撥款約165萬元,同時獲多個創業基金資助,並正申請美國專利,預計3年至5年能成立科技公司加以推廣。◆香港文匯報記者 高鈺

  知識圖譜(Knowledge Graph)是一種基於圖的數據結構,由節點(Point)和邊(Edge)組成,透過把所有不同種類的信息連接在一起而得到的一個關係網絡,能夠從「關係」角度去分析問題。在該項目中,張清鵬團隊以知識圖譜數據系統應用於醫療管理領域,探索病患與治療的關係。

  內地重點提高檢索效率

  張清鵬日前接受香港文匯報專訪時解釋,系統的第一步,是基於病人過往病例收集數據。研究團隊通過與目前正在進行的食衞局醫療衞生研究基金和國家自然科學基金等項目聯動,構建了非常豐富的匿名病例數據。第二步是將病例數據與由專家構建的多個知識圖譜上進行高效檢索,這一步的知識圖譜數據管理和檢索效率的提高,正是與內地合作方的研究重點。第三步是透過人工智能AI算法學習併發症及用藥的關係等,並基於知識圖譜的表達與學習,及優先對多樣化網絡拓撲結構的學習。第四步為病人量身定製個體化的方案及預測建模,得出用藥風險及入院風險評估等結果。

  港團隊聚焦個體化應用

  其中,內地團隊主要負責提高知識圖譜的檢索效率,「每個圖譜有幾百萬個節點,上千條邊,因此一般來說,搜索的速度很慢,合作方天津大學等致力於提升知識圖譜的檢索速度,在知識圖譜可以說是內地領先水平,有自主知識產權,可以幫助解決瓶頸的問題。」香港方面團隊則主要聚焦於個體化的醫療應用及知識圖譜分析工作。

  張清鵬指出,在算法上,主要利用深度學習中的圖神經網絡及張量分解方法,前者令人工智能優先學習病症(或稱為節點)之間的拓撲鏈接,藉深度神經網絡提高效率;後者將病人多次入院的情況化為3D、4D甚至5D張量,提升解釋性及精確度,期望能利用兩個方法的結合,打破人工智能「只知其然,不知其所以然」的「黑盒子」困境。

  準確率高達九成

  「傳統的人工智能系統只能告訴醫生病人生病了、生了什麼病,無法說出為什麼及其他信息,而透過該系統,希望能告訴病人為什麼生病,生什麼病、有什麼併發症,用藥有什麼風險,住院的風險有多高等信息。」他說,透過與實況比對,系統對病人再入院的風險預測,準確率可高達90%,「同時可以預測約89%的個體疾病,慢性病包括糖尿病、癌症等,心理健康疾病則包括抑鬱症等。」

  目前,內地及香港兩邊團隊的研發愈發成熟,惟疫情下兩地仍未能恢復正常通關,雙方還要互相往來進行實驗,以證實有關研究在實際場景應用上是否可行。張清鵬說,內地醫院已經有合作的意向,但香港本地醫院還沒有進展,未來可能會考慮免費提供給公立醫院使用。事實上,香港本地醫療系統中雖然有使用類似算法,但早已「過時」,精確度較低,期望高精度的新系統能切實地幫助本地醫療。