Nat Mach Intell｜人类专家级准确性，AI数据驱动的生物医学知识图谱

本文介绍了佛罗里达州立大学和Insilicom LLC的研究人员构建的大规模生物医学知识图谱iKraph，该图谱通过整合PubMed摘要、40个公共数据库的关系数据以及高通量基因组学数据，实现了人类专家级别的准确性。研究背景是科学出版物和数据的快速增长，使得手动处理变得不切实际，而知识图谱成为整合异构数据以实现高效信息检索和自动知识发现的重要工具。研究目的是通过现代自然语言处理技术，特别是大型语言模型（LLM），构建一个全面且准确的知识图谱，以支持生物医学研究中的信息检索和知识发现。研究结论表明，iKraph在药物再利用等领域表现出强大的功能，能够识别可行的候选药物，并通过大量文献证据支持其发现。此外，该研究还探讨了LLM在生物医学研究中的局限性，并提出了将知识图谱与LLM集成以缓解这些限制的方法。