2.1生物医学研究中的知识图谱

知识图谱已成为代表和整合复杂生物医学信息的强大工具，促进高效的数据整合和知识发现。值得注意的例子包括Bio2RDF、CTKG（由Chen等人创建）、Hetionet等。它们已被用于增强药物发现，了解疾病机制和识别生物医学关系。

2.2医疗保健中的大型语言模型

大型语言模型（LLMs）已显著改善了医学文献分析、临床记录解释和诊断支持。此领域中的重要模型包括DeepMind的MedIC、微软的BioGPT [8]、TrialGPT [9]、BioBart [10]和BioMistral [11]等。它们已经影响了药物发现、患者数据分析和临床决策支持等领域。

2.3Hetionet: 一个全面的生物医学知识图谱

Hetionet是一个生物医学知识的异质网络，集成了基因、化合物、疾病及它们之间的相互关系等数据。它已被用于预测药物靶点相互作用，识别疾病机制，并支持药物再利用的工作，使其非常适合与其他数据源集成，以增强临床研究能力。

2.4ClinicalTrials.gov: 临床试验数据库

ClinicalTrials.gov是一个提供有关临床试验、对各种疾病进行的研究、首席研究员、研究地点和试验结果信息的广泛数据来源[3]。它从而支持临床研究和药物开发。

3.2ClinicalTrials.gov

ClinicalTrials.gov提供了大量关于临床试验和各种疾病状况研究的信息[3]。虽然ClinicalTrials.gov中记录的总数超过50万，但我们的研究侧重于一个包括1,200个记录的特定子集，涵盖六种选定的疾病。构建为知识图的这个子集包含5,454个节点和11,466条边。这个子集中的节点分为9种类型：疾病、首席研究员（PI）、研究、状况、阶段、地点、干预措施、年龄和性别。连接这些节点的关系类型有10种。

3.3Schema

受 Hetionet [2] 中构建的知识图谱模式和 Devarakonda 等人的工作 [12] 的启发，我们构建了 HeCiX-KG 的综合模式。'疾病' 节点充当了连接这两个集成数据库的主要节点。这个模式已在图 1 中进行了说明。通过用我们的数据填充模式，我们获得了一个包含 6,509 个节点和 14,377 条边的知识图谱。

4.2LLM使用LangChain集成

为了提高HeCiX-KG的可用性，我们开发了HeCiX，这是一个集成了我们的知识图谱和GPT-4的系统，使用LangChain实现。具体来说，我们利用了LangChain生态系统中的GraphCypherQAChain组件进行此集成。如图2所示，我们的查询处理流程如下：

• 用户查询输入：用户向LangChain提交自然语言提示。

• 查询和提示处理：用户的问题与一组提示模板结合，然后发送到GPT-4。

• 密码查询生成：GPT-4根据用户的输入生成密码查询，然后将其发送回LangChain。

• 数据库查询：LangChain在HeCiX-KG上执行生成的密码查询。

• 原始结果检索：HeCiX-KG将原始查询结果（“完整上下文”）返回给LangChain。

• 上下文转发：LangChain将完整上下文转发给GPT-4，以便进行解释并转换为人类可读格式。

• 生成人类可读响应：GPT-4根据发送给它的完整上下文生成人类可读响应，然后将其发送到LangChain。

• 用户响应：最后，LangChain将人类可读响应返回给用户，从而向用户提供其查询的答案。

图2：查询处理流程

这种集成使用户能够使用自然语言查询与复杂的 HeCiX-KG 进行交互，显著增强其对临床研究人员的可访问性和可用性。

5.1实验设置

我们的实验设置包括以下主要步骤：

1.我们建立了我们的AuraDB服务器来承载HeCiX-KG。

2.我们根据Hetionet和临床试验数据的各自结构构建了知识图的模式。

3.我们使用来自Hetionet和ClinicalTrials.gov的数据填充了模式，创建了HeCiX-KG。

4.我们使用LangChain的GraphQueryQAChain组件将HeCiX-KG与GPT-4集成起来。

5.2评估方法

为了正确评估和分析我们系统的问答能力，我们设计了一组问题回答任务，供HeCiX进行回答。这些任务经过精心设计，涵盖临床研究的各个方面，包括药物发现、KOL的识别和生物医学数据分析等。

6.1实验结果

我们利用RAGAS[14]框架来评估我们模型的性能。该框架计算了几个关键指标：忠实度、答案相关性、上下文精度和上下文召回率。我们实验的结果已显示在表1中。

表1：使用RAGAS框架的HeCiX的性能指标

6.2Comparative Analysis对比分析

除了在先前看到的评估指标上评估我们的模型之外，我们还与OpenAI的GPT-4和Anthropic的Claude 3 Sonnet进行了比较分析，在零瞄准情况下进行了比较分析。我们对这些模型进行了测试，使用了用于评估HeCiX的相同一组问题。我们发现，虽然这些模型擅长回答基于领域特定知识的问题，但在与临床试验相关的查询方面却很困难。

我们与HeCiX进行的实验展示了增强临床研究能力的有希望的结果。图3显示了与HeCiX进行的一次样本交互，在这个过程中HeCiX正在回答既涉及领域专业知识又涉及临床试验知识的问题。

6.3Limitations限制

虽然 HeCiX 已经显示出令人鼓舞的结果，但重要的是要承认它的局限性。

• 模型性能的不确定性随着知识图的扩展而增加。

• 对更广泛范围的疾病进行额外测试，以确保系统的稳健性。