基于知识和数据双驱动的DRG医疗问答研究

来源：计算机工程与科学杂志2025年第06期北京时间：

作者：徐春, 孙恩威, 汪晓洁

单位：（新疆财经大学信息管理学院,新疆 乌鲁木齐 830012）

摘要：涵盖DRG编码的真实电子病历数据过少无法支撑语言模型学习文本特征，并且现有的疾病编码模型针对复杂文本难以作出结果解释。为此，设计了一种融合医疗知识图谱和大语言模型的医疗问答系统模型GLM-2B-DRAGON。首先，利用ChatGLM-6b模型抽取并更新医疗实体及实体关系，得到涵盖DRG编码等医疗知识的知识图谱DRG-Net；其次， 使用跨模态编码器将QA问题对与知识图谱进行联合编码，实现相互补充的文本-图谱双向信息流以捕捉医疗文本特征；最后，通过知识图谱路径权重可视化分析，验证回答结果的可解释性。实验结果表明：在公开数据集CommenSenseQA和自建医疗数据集MedicalQA上，所构建的医疗问答系统模型优于现有的知识图谱增强语言模型。

关键词：疾病诊断相关分组,医疗问答,医疗知识图谱,大语言模型,

基金资助：国家自然科学基金（6226604）；新疆维吾尔自治区自然科学基金（2023D01A73）