编辑推荐：
康复相关疾病康复周期长，患者就医不便，线上康复咨询需求大但相关知识挖掘不足。研究人员开展 “Knowledge discovery of diseases symptoms and rehabilitation measures in Q&A communities” 研究，构建 BERT-BiGRU-attention 模型，成果有助于康复患者及医疗诊断等。
在当今数字化时代，健康问题越来越受到人们的关注。对于康复相关疾病患者来说，漫长的康复周期使得频繁前往医院变得不切实际。据统计，全球多达三分之一的人口，即 24.1 亿人在患病或受伤期间可能从康复中受益，美国 68% 的慢性病康复患者依赖远程指导。因此，线上康复咨询的需求日益增长。然而，线上健康社区中大量有价值的问答信息却未得到充分挖掘。比如，患者提出的问题存在大量重复，像 “膝关节置换术后肿胀管理” 这类查询的重复率高达 37%；同时，平台由于缺乏精细的知识挖掘，造成了医疗资源的浪费。在这样的背景下，开展相关研究来充分利用这些线上问答信息就显得尤为重要。
为了解决上述问题，来自河南财经大学工商管理学院、湖北文理学院政法学院、中国开发银行青海分行等机构的研究人员展开了一项关于 “Knowledge discovery of diseases symptoms and rehabilitation measures in Q&A communities” 的研究。研究人员构建了 BERT-BiGRU-attention 模型，从两百万条康复问答条目中提取疾病、症状描述和康复措施三种实体之间的关系，并通过聚类分析对疾病相关知识进行分组。最终，该研究取得了一系列成果，在康复知识提取和疾病分类等方面表现出色，这对于补充和整合临床康复数据、辅助医疗诊断、增强健康教育以及帮助患者进行自我管理康复都具有重要意义。该研究成果发表在《Scientific Reports》上。
在研究过程中，研究人员主要运用了以下关键技术方法：首先，利用 BERT（Bidirectional Encoder Representations from Transformers）模型进行双向语义表示学习，结合标注数据有效捕捉医学文本中的复杂上下文关联；其次，采用双向门控循环单元（BiGRU）来处理长文本依赖关系，提高计算效率；再者，引入注意力机制动态分配权重，突出关键语义片段；最后，运用基于 kmeans++ 的聚类分析模型对提取的知识进行聚类。研究数据来源于中国最大的在线医疗咨询平台之一 120ask 网站的 “骨科术后康复” 板块，通过网络爬虫收集了 2017 年 3 月至 2022 年 10 月的数据。
下面来看具体的研究结果：
- 关系提取实验结果：使用 BERT-BiGRU-attention 模型进行关系提取实验，该模型在测试集上取得了优异的成绩，总体 F1分数达到 96.63%，AUPR 为 93.15%，AUC 为 95.81%。在各类关系中，除了未知关系（UKN）外，其他关系类别得分均超过 90%。例如，模型能够准确识别 “骨折” 与 “减少手臂运动” 之间不适合（NSFD）的关系，以及 “右桡骨头骨折” 与 “补钙” 之间适合（SFD）的关系 。同时，研究人员还将提取的实体关系三元组分类到 DS（疾病 - 症状）、SFD 和 NSFD 关系字典中，并绘制了可视化关系网络图，如以 “桡骨头骨折” 为例，展示了其相关症状和康复措施。
- 聚类分析实验结果：
- 基于症状的疾病聚类：利用 DS 关系字典，根据症状相似性将疾病分为 15 类。例如，第 2 类疾病包括中指骨折、右桡尺骨骨折等，它们的共同症状有握拳受限等。这种聚类有助于平台根据患者症状推荐专业医生，提高诊断准确性。
- 康复措施聚类：通过 SFD 关系字典聚类，将疾病基于相似的康复措施分为 20 类。如第 1 类疾病的合适康复措施都包含中药或药酒外用。这可以帮助在线健康社区为不同疾病创建定制的健康科学专栏，辅助患者健康管理。
- 不适当康复措施聚类：依据 NSFD 关系字典，把疾病按相似的不适当康复措施分为 6 类。像第 1 类疾病的不适当康复措施都有负重。这能帮助医生为患者推荐合适措施，社区管理者也可据此告知患者避免的康复行为，降低风险。
在研究结论和讨论部分，研究人员开发的 BERT-BiGRU-attention 模型在康复知识提取方面表现卓越，优于 BERT-BiGRU 和 CNN 等基线模型。该研究将碎片化的患者讨论数据转化为结构化医学知识，完善了康复知识体系，促进了知识共享。在实际应用中，它有助于医生在远程会诊时更准确地诊断，避免危险建议，还能为患者提供可视化的康复指导，提升患者自我管理能力。然而，研究也存在一些局限性，如数据主要来源于 20 - 55 岁人群，可能忽略老年群体需求；对于罕见或复杂病例处理能力有限；对口语化表达容易误判等。针对这些问题，未来研究可通过扩大数据多样性、增强多模态融合以及改进上下文语言理解等方式加以改进。总之，这项研究为康复知识提取搭建了一个重要框架，虽然存在不足，但为后续研究指明了方向，对推动康复医学领域的发展具有重要意义。
