基于多源异构数据融合的动态抑郁症知识图谱构建OA

抑郁症作为全球致残性最高的精神疾病,其复杂的多靶点治疗机制与快速更新的医学文献证据对抑郁症知识库的领域专精度与时效性提出了双重挑战。当前抑郁症知识图谱面临知识更新滞后、关系抽取领域适配性不足以及多源数据语义冲突3大问题。为此,本文提出基于多源异构数据融合的动态抑郁症知识图谱构建方法。该方法融合ICD-11临床标准、DrugBank药物数据、PubMed文献及医学指南等多源数据,构建抑郁症领域本体作为语义一致性的基础。针对关系抽取的领域适配性问题,采用结构化知识库预训练与医学语料微调相结合的策略,训练面向抑郁症实体细粒度语义关系的抽取模型;为解决知识更新滞后问题,设计基于大语言模型的增量式三元组生成框架,通过动态更新模块实现新证据的实时整合与溯源;通过本体驱动的多源数据融合机制,有效协调结构化数据与非结构化文献的语义表达冲突。实验结果表明:领域适配的关系抽取模型在药物关系抽取等医学任务上的性能超越现有医学大模型,证明该模型具有良好的泛化性能;同时,该模型利用动态更新机制在持续知识集成过程中保持稳定的处理效率。经专家评估,本文构建的抑郁症知识图谱抽样准确率达92.1%,为抑郁症诊疗系统开发提供了高质量的知识基础。此外,本文提出的方法论对复杂疾病知识图谱构建具有普适性参考价值。