LingShu：一个大规模、以症状为中心的语境化知识图谱，连接传统中医与现代生物医学

# 灵枢：连接中医与现代生物医学的大规模症状中心情境化知识图谱  
来源：https://arxiv.org/html/2608.20402  
华瑞†1、舒梓欣†2,3,4、常凯1、严登英1、夏建南1、朱慧2,3,4  
宋淑洁2,3,4、杨淑蕊5,6,7、王桐鑫8、殷悦9、魏宇10,11,12、裴丽娟10,11,12、  
胡云辉10,11,12、许浩8、肖明忠2,3,4、李晓东2,3,4、于海彬13  
张顺春14、王文佳\*10,11,12、刘保延\*15、周学忠\*1  

1 北京交通大学计算机与信息技术学院，北京，中国  
2 湖北省中医院肝病研究所，湖北省中医药肝肾理论及应用研究重点实验室，武汉 430061，中国  
3 湖北中医药大学附属医院，武汉 430061，中国  
4 湖北省中医药研究院，武汉 430074，中国  
5 湖北省中医院针灸科，湖北中医药大学附属医院，武汉 430060，湖北，中国  
6 湖北省针灸减肥临床研究中心，武汉 430060，湖北，中国  
7 湖北省时珍实验室，武汉 430060，湖北，中国  
8 中国中医科学院西苑医院心血管病中心，国家中医心血管病临床研究北京，100091，中国  
9 中国中医科学院中药研究所  
10 天津天士力数字中药科技有限公司，天津 300410，中国  
11 天士力生物制药股份有限公司，天津 300410，中国  
12 中药现代化国家重点实验室，天津 300193，中国  
13 河南中医药大学第一附属医院，郑州 450000，中国  
14 中国中医科学院广安门医院消化科，北京，中国  
15 中国中医科学院，北京 100700，中国  
† 这些作者贡献相同。  
\* 通讯作者：王文佳、刘保延、周学忠  

###### 摘要  
生物医学知识图谱（KGs）对于知识组织至关重要，但传统的二元关系往往难以表征生物医学知识的条件性。症状提供了连接中医（TCM，依赖症状模式进行辨证论治和治疗选择）与现代生物医学（将临床表现与疾病和分子机制相关联）的共享表型层。我们提出了“灵枢”，这是一个大规模的、以症状为中心的情境化知识图谱，旨在连接中医与现代生物医学。本研究分析的灵枢导出版本包含1733万条原子级实体记录和3947万条关系记录，其中包括1719万条语义三元组和2229万条情境化四元组。灵枢整合了多源数据，包括临床电子病历、权威中医文献、生物医学本体和精心整理的知识库，通过结合自然语言处理、术语标准化和人机协同验证的流程实现。灵枢的关键创新在于其混合数据模型：它维护了64种类型化的三元组关系模式以确保广泛的连接性，同时引入了35种情境四元组关系模式来捕获条件性的医学关联。这种双重结构方法明确编码了情境知识，为医学关系提供了精细的上下文表示。这些情境化关系涵盖了依赖症候的药物疗效、特定疾病情境下的药物作用、人群特异性临床关联以及与机制相关的治疗反应。此外，我们开发了一个网络平台（http://www.tcmkg.com/），集成了图可视化、基于图的推理和基于证据的知识问答代理。通过将大型语言模型锚定到结构化的图谱证据，该系统支持可追溯、情境感知的知识探索，用于决策支持分析和生物学假设生成。  

## 1 引言  
知识图谱（KGs）以结构化的图形格式表示实体及其相互关系，为复杂数据的集成、检索和分析提供了一种高效范式。在生物医学领域，大数据分析和自然语言处理的快速发展推动了广泛知识库的积累，范围从基因-蛋白质相互作用网络到中医（TCM）图谱和临床电子病历（EMR）仓库。此类资源的突出示例包括分子生物学数据库，如UniProt和基因本体，专门的中医知识库，如SymMap或TCMSP，以及全面的临床本体，如UMLS和SNOMED CT。这些资源为智能医疗应用奠定了坚实基础，包括疾病风险评估、临床诊断支持、医疗质量管理和基于知识的问答系统。  
症状科学代表了生物医学的基础组成部分，连接了疾病预防、诊断和治疗。中医优先考虑症状之间的整体联系，采用“辨证论治”来指导个性化治疗。相反，现代生物医学通过解读指示潜在病理的症状模式来推动诊断和治疗创新。在中医背景下，症状被视为内部生理失调的主要表型表现。它们并非孤立的指示器，而是形成复杂的集群，定义特定的“证候”（症），作为确定治疗原则和草药选择的基本临床证据。将中医的经验智慧与现代生物医学的精确生物学证据相结合，为优化症状管理和治疗策略提供了有价值的见解。  
尽管症状科学日益受到认可，但仍有三个挑战尚未解决。首先，现有的医学知识图谱和本体通常将症状视为疾病的附属表型，而非核心实体。其次，中医和现代生物医学资源使用异构的词汇和概念体系，使得难以对齐症状、证候、疾病、干预措施和分子机制。第三，传统的基于三元组的知识图谱无法保留医学知识的条件结构，例如依赖证候的治疗、基因介导的药物效应、人群特异性的共现以及处方修改。这些局限性凸显了需要一个以症状为中心的知识图谱来连接中医与现代生物医学在语义、机制和情境上的鸿沟。  
情境知识表示长期以来被认为是人工智能（AI）中的一个基本挑战。自麦卡锡首次引入情境的形式化表示以来，研究人员强调知识很少是普遍真实的，而是存在于特定的边界内。在生物医学领域，理解情境对于分析复杂的临床关系至关重要。生物医学知识本质上是条件性的。例如，治疗关系（例如，药物-疾病或药物-症状关联）通常仅在特定疾病阶段、遗传条件、人群群体或药理功能状态下才有效。事实上，许多药物表现出多功能特性，其疗效和安全性根据生理环境和不同患者属性而显著变化。然而，传统的知识图谱主要依赖“主语-谓语-客语”三元组。这种扁平结构无法捕获生物医学知识的多维性质（例如，药物A在条件C下治疗症状B），限制了下游推理和临床应用的精度。  
为了解决这些局限性，本研究引入了一个超关系模型来构建一个高质量的、情境化的症状知识图谱，命名为“灵枢”。灵枢不依赖于简单的三元组，而是使用四元组显式编码条件变量（如疾病情境和分子靶标），从而实现对生物医学事实更具表现力的表示。灵枢的开发包含了一个全面的流程，包括整合来自临床记录和中医文献的多样化数据、严格的知识提取以及术语标准化，如图1所示。  
本工作的贡献如下：  
(1) 我们构建了灵枢，一个大规模的以症状为中心的知识图谱，整合了1733万条原子级实体记录，通过优先考虑症状表型作为核心实体来连接中医与现代生物医学。  
(2) 我们提出了一个情境化模式，使用超关系四元组定义了35种类型化的情境四元组模式，实现了超越传统三元组的情境感知图谱检索和推理。  
(3) 我们开发了一个基于网络的平台，支持图谱探索、可解释的情境感知推理、多模式知识问答（Q&A）以及用于持续知识管理的人机协同数据管理。  

图1：灵枢框架概览。该框架通过标准化流程整合多源数据。右侧面板展示了将临床结论形式化为超关系四元组，例如在帕金森病的特定条件下使用普拉克索治疗焦虑症。底层展示了由灵枢支持的综合应用系统。  

## 2 相关工作  
现代生物医学知识资源为术语标准化、知识集成和计算推理提供了必要的基础设施。对于灵枢，最相关的工作领域包括生物医学术语和文献资源、临床表型资源、药物和分子知识库、中医知识库以及情境知识表示。这些资源共同为生物医学知识图谱的构建奠定了基础，但它们在以症状为中心的跨范式整合和条件关系表示方面仍存在局限性。  

### 2.1 生物医学术语和文献资源  
大规模的生物医学术语和文献资源已被广泛用于支持语义互操作性和信息提取。UMLS整合了多种生物医学词汇，为概念标准化提供了统一的语义框架。MeSH支持生物医学文献的受控索引，而PubMed则为生物医学文本挖掘和关系提取提供了主要的证据来源。其他结构化资源，如基因本体和UniProt，提供了基因、蛋白质、生物功能和分子注释的标准化描述。这些资源对于生物医学实体对齐和证据检索不可或缺。然而，它们并非主要为表示中医概念、辨证论治、草药配伍或症状模式推理而设计。因此，直接整合这些资源不足以构建一个连接中医临床知识与现代生物医学机制的以症状为中心的图谱。  

### 2.2 临床表型知识库  
临床表型资源提供了患者表现和疾病相关异常的结构化表示。症状本体明确描述了症状概念及其层次组织。HPO已成为表型异常的广泛使用标准，特别是在遗传疾病中。以疾病为导向的资源，如MalaCards、Orphanet、ICD-11和SNOMED CT，也包含症状和表型信息作为更广泛的临床术语系统的一部分。这些资源极大地推动了表型标准化和疾病注释。然而，它们中的大多数将症状组织为疾病的属性、表现或注释。这种以疾病为中心的组织限制了症状表型的独立分析、跨疾病的症状模式以及基于症状的推理。这一局限性对于中医尤为重要，在中医中，症状和症状集群是辨证论治的核心证据。  

### 2.3 现代生物医学知识图谱  
现代生物医学知识图谱为连接疾病、药物、基因、蛋白质、化学物质、通路、表型和临床观察提供了大规模的机制和药理表示。早期的整合资源，如Hetionet，系统地将异构的生物医学数据库整合为一个多关系网络，用于疾病生物学和药物重定位。最近的面向精准医学的图谱进一步扩展了这一范式。PrimeKG整合了多尺度生物医学知识，为疾病...