医疗知识图谱是实现智慧医疗的基石，有望带来更高效精准的医疗服务；然而，现有知识图谱构建技术在医学领域中普遍存在效率低、限制多、拓展性差等问题。
知识应用
1. 语义全文检索
基于知识图谱中的知识，解决传统搜索中遇到的关键字语义多样 性及语义消歧的难题，通过实体链接实现知识与文档的混合检索。
针对医院临床电子病历数据大量积累无法快速、高效地服务于临床医疗、医学科研、以及病例管理的现象，提出研究更高效的电子病历检索方法；采用全文索引搜索引擎技术，以关键字、关键词为索引，把电子病历统一转换成结构化数据，最后生成病历检索索引文件，进而建立电子病历全文检索系统。
2. 智能问答
医院的医生每天病人接待量是固定，而前来就诊的人流量往往很大，这就造成供需失衡。
对待这种情况，利用机器人可以很好的帮我们分担一部分压力。
利用医院大量的、精确的、病例数据，我们用这些数据进行模型训练，可以做到在线、实时和就诊的人进行语言互动，给就诊的人提供精确的诊断参考。
3. 辅助诊疗/决策
为医生临床治疗提供决策依据，有助于确保医疗质量。
系统通过比较医疗行为中与医学指引不同的地方，提醒医生防止潜在的错误，如药物不良反应等；从而降低医疗事故率。还可以提供同类治愈病例的用药推荐，给医生提出诊疗建议；可以使医生从耗时过长的简单咨询工作中解脱出来，从而提高治疗效率。
4. 知识订阅
如实习医生，在工作中遇到某些疑难杂症，该医生想要了解这些疑难杂症的最新的临床医疗信息，那么该医生只需要根据这些疑难杂症的关键词订阅与该类有关的医疗信息，即可在第一时间获取其订阅的最新的医疗信息；该医生通过这些信息不断学习，从而有助于提高其工作能力。
5. 智能导诊等
6. 落地方案
使用快速迭代法，通过维度、作用域、边界快速分解业务模型：
- 通过不同维度、不同视角，抽象出共性的业务模型；
- 只抽取作用域内有效数据，提高数据价值；
- 确定好业务边界，才能更好很快实现落地；
