Construction of an intelligent question‑answering system for depression combining traditional Chinese medicine and Western medicine based on large language models and knowledge graphs

TAN Ping; LIU Huina; WEI Changfa

doi:10.16305/j.1007-1334.2025.z20240925004

您当前的位置：

首页 >

文章列表页 >

Construction of an intelligent question‑answering system for depression combining traditional Chinese medicine and Western medicine based on large language models and knowledge graphs

更新时间：2025-06-27

- Construction of an intelligent question‑answering system for depression combining traditional Chinese medicine and Western medicine based on large language models and knowledge graphs
- Shanghai Journal of Traditional Chinese Medicine Vol. 59, Issue 7, Pages: 1-10(2025)
- 作者机构：
  
  1.湖南中医药大学信息科学与工程学院（湖南长沙 410208）
  2.湖南中医药大学医学院（湖南长沙 410208）
  3.湖南省智慧中医工程技术研究中心（湖南长沙 410208）
- 作者简介：
- 基金信息：
- DOI：10.16305/j.1007-1334.2025.z20240925004
  CLC：
- Received：25 September 2024，
  
  Published：10 July 2025
- 稿件说明：
移动端阅览
谭平,刘惠娜,韦昌法.融合大语言模型与知识图谱的抑郁症中西医结合智能问答系统构建研究[J].上海中医药杂志,2025,59(7):1-10.

TAN Ping,LIU Huina,WEI Changfa.Construction of an intelligent question‑answering system for depression combining traditional Chinese medicine and Western medicine based on large language models and knowledge graphs[J].Shanghai Journal of Traditional Chinese Medicine,2025,59(7):1-10.
谭平,刘惠娜,韦昌法.融合大语言模型与知识图谱的抑郁症中西医结合智能问答系统构建研究[J].上海中医药杂志,2025,59(7):1-10. DOI： 10.16305/j.1007-1334.2025.z20240925004.

TAN Ping,LIU Huina,WEI Changfa.Construction of an intelligent question‑answering system for depression combining traditional Chinese medicine and Western medicine based on large language models and knowledge graphs[J].Shanghai Journal of Traditional Chinese Medicine,2025,59(7):1-10. DOI： 10.16305/j.1007-1334.2025.z20240925004.

摘要

目的

构建一个融合大语言模型与知识图谱的抑郁症中西医结合智能问答系统，通过精准的问题处理、高效的知识检索及专业的回答生成，为抑郁症患者及医疗人员提供高效、准确的诊疗支持，推动抑郁症诊疗的智能化发展。

方法

基于《抑郁症中西医结合诊疗指南》，利用py2neo库与Neo4j图数据库，构建以“病-证-症-治-法-方-药”为核心的抑郁症知识图谱，并通过模板匹配技术，将自然语言问题转换为结构化查询，结合Cypher语句和大语言模型（ChatGLM4）生成专业回答。

结果

所构建的抑郁症知识图谱包含了303个实体节点以及436条实体关系，其模式层包含19种实体类型、14种关系类型，成功实现了数据的可视化，能够辅助临床医生直观查看和检索诊疗数据。该系统能够准确处理抑郁症相关问题，提供高效和精准的回答。

结论

该系统在抑郁症诊疗中展现出良好的应用潜力，可辅助临床医生进行疾病诊疗和临床决策，有助于诊疗指南的知识共享、推广以及诊疗过程的规范化和标准化，该知识图谱和智能问答系统的构建思路也可为其他疾病的智能诊疗提供参考和借鉴。

Abstract

Objective

To construct an intelligent question-answering system that integrates large language models and knowledge graphs for depression treatment combining traditional Chinese medicine and Western medicine. The question-answering system aims to provide efficient and accurate diagnostic and therapeutic support for both patients and healthcare professionals through precise question processing， efficient knowledge retrieval， and professional answer generation， thereby promoting the intelligent development of depression diagnosis and treatment.

Methods

Based on the

Guidelines for Integrating Traditional Chinese and Western Medicine in the Diagnosis and Treatment of Depression

， a depression knowledge graph centered on "disease-syndrome-symptom-treatment-method-prescription-medicine" was constructed using the py2neo library and the Neo4j graph database. Natural language questions were converted into structured queries through template matching technology， and professional answers were generated by combining Cypher queries and a large language model （ChatGLM4）.

Results

The constructed depression knowledge graph included 303 entity nodes and 436 entity relationships， and its schema layer contained 19 types of entities and 14 types of relationships. Therefore， the system successfully visualized the data， enabling clinical doctors to visually view and retrieve diagnostic and treatment data. It accurately processed depression-related questions， providing efficient and precise answers.

Conclusions

The system demonstrates significant application potential in the diagnosis and treatment of depression. It can assist clinical doctors in disease diagnosis， treatment， and clinical decision-making， facilitating knowledge sharing and dissemination， as well as standardization of diagnostic and treatment process. The approach used to construct the knowledge graph and intelligent question-answering system can serve as a reference for the intelligent diagnosis and treatment of other diseases.

关键词

Keywords

references

吕丽华，刘敏 . 低频重复经颅磁刺激联合阿戈美拉汀对大学生抑郁症急性发作伴失眠障碍的疗效研究［J］. 成都医学院学报， 2023 ， 18 （ 1 ）： 58 - 63 .

韩煜，张宪武 . 复发性抑郁障碍的研究进展［J］. 心理月刊， 2024 ， 19 （ 6 ）： 216 - 218 .

苏荣，李晓凤，杨敏雪，等 . 氯胺酮快速抗抑郁作用机制研究进展［J］. 中国医药科学， 2024 ， 14 （ 7 ）： 59 - 63 .

田迎，单娅辉，王时绘 . 基于知识图谱的抑郁症自动问答系统研究［J］. 湖北大学学报（自然科学版）， 2020 ， 42 （ 5 ）： 587 - 591， 596 .

徐丽，李孝林，张朝驹，等 . 基于CiteSpace的针灸治疗抑郁症知识图谱可视化分析［J］. 中医药通报， 2024 ， 23 （ 5 ）： 30 - 34 .

朱冉冉，王津翔，潘蓓，等 . 脑卒中中西医结合康复临床循证实践指南［J］. 上海中医药杂志， 2024 ， 58 （ 6 ）： 1 - 11 .

中国中西医结合学会，中华中医药学会，中华医学会 . 中国中西医结合学会、中华中医药学会、中华医学会关于联合发布52个中西医结合诊疗方案的公告［EB/OL］.（ 2023-05-31 ）［ 2024-09-02 ］. https：//www.cacm.org.cn/2023/05/31/23420/ https://www.cacm.org.cn/2023/05/31/23420/ .

曹文聪 . 中医医患共同决策模式的构建及其适用性评价的研究［D］. 广州：广州中医药大学， 2023 .

张丁丁，朱以诚 . 循证指南证据分级和推荐体系的发展［J］. 华西医学， 2024 ， 39 （ 5 ）： 677 - 680 .

刘芳，张涛 . 知识图谱中实体关系抽取的专利状况分析［J］. 河南科技， 2022 ， 41 （ 18 ）： 118 - 121 .

郭静，司宜蓓，王永博，等 . 临床实践指南实施性促进研究之三：中医/中西医结合指南知识图谱框架设计［J］. 医学新知， 2022 ， 32 （ 1 ）： 2 - 9 .

司宜蓓，郭静，王永博，等 . 临床实践指南实施性促进研究之四：中医/中西医结合指南知识图谱知识抽取、存储与实例展示［J］. 医学新知， 2022 ， 32 （ 2 ）： 99 - 107 .

许雪晨，田侃 . 智能投顾领域的知识图谱构建与应用研究［J］. 学习与探索， 2023 （ 5 ）： 122 - 133 .

谷刘涛 . 基于知识图谱嵌入和路径推理的农业多跳问答模型研究［D］. 合肥：安徽农业大学， 2023 .

孙郑煜，鄂海红，宋美娜，等 . 基于大数据技术的医学知识图谱构建方法［J］. 软件， 2020 ， 41 （ 1 ）： 13 - 17 .

黄俊涛 . 科技领域知识图谱构建技术研究［D］. 北京：北方工业大学， 2024 .

黄梦迪，陈敏 . 基于LLM和RAG的人才政策智能问答系统研究［J］. 数字经济， 2025 （ 3 ）： 38 - 41 .

CHOWDHERY A ， NARANG S ， DEVLIN J ， et al . PaLM： Scaling language modeling with pathways ［J］. J Machine Learning Res ， 2023 ， 24 （ 2 ）： 100 - 113 .

蒋昀霖，夏志杰，谢妍曦 . 人工智能辅助辨别虚假信息中的用户信任与感知研究［J］. 情报杂志， 2024 ， 44 （ 1 ）： 164 - 171 .

胡佳慧，李姣，姚宽达，等 . 大语言模型融合知识图谱的医学问答系统构建研究［J］. 中国数字医学， 2024 ， 19 （ 6 ）： 91 - 95 .

朱宏泽，张海粟，王旭，等 . 基于检索增强生成的数据资源组织策略研究［C］//中国指挥与控制学会. 第十二届中国指挥控制大会论文集（上册） . 北京：兵器工业出版社， 2024 ： 579 - 584 .

吴育良 . 大语言模型对数字参考咨询服务的影响与应对策略研究［J］. 山西档案， 2024 （ 5 ）： 134 - 137 .

张鹤译，王鑫，韩立帆，等 . 大语言模型融合知识图谱的问答系统研究［J］. 计算机科学与探索， 2023 ， 17 （ 10 ）： 2377 - 2388 .

张伯礼，吴勉华，林子强 . 中医内科学［M］. 北京：中国中医药出版社， 2019 ： 183 - 190 .

李凌江，马辛 . 中国抑郁障碍防治指南（第2版）［M］. 北京：中华医学电子音像出版社， 2015 ： 25 .

中华中医药学会 . 中医内科常见病诊疗指南［M］. 北京：中国中医药出版社， 2008 ： 156 .

过伟峰，曹晓岚，盛蕾，等 . 抑郁症中西医结合诊疗专家共识［J］. 中国中西医结合杂志， 2020 ， 40 （ 2 ）： 141 - 148 .

国家中医药管理局 . 郁病（抑郁发作）中医诊疗方案［EB/OL］.（ 2017-03-13 ）［ 2024-11-05 ］. http：//www.natcm.gov.cn/d/file/f243a3b536f6242b34c723a075098923.rar http://www.natcm.gov.cn/d/file/f243a3b536f6242b34c723a075098923.rar .

国家中医药管理局 . 老年郁证（老年期抑郁）中医诊疗方案［EB/OL］.（ 2017-03-13 ）［ 2024-11-05 ］. http：//www.natcm.gov.cn/d/file/f243a3b536f6242b34c723a075098923.rar http://www.natcm.gov.cn/d/file/f243a3b536f6242b34c723a075098923.rar .

国家中医药管理局 . 郁病（广泛性焦虑障碍）中医诊疗方案［EB/OL］.（ 2017-03-13 ）［ 2024-11-05 ］. http：//www.natcm.gov.cn/d/file/f243a3b536f6242b34c723a075098923.rar http://www.natcm.gov.cn/d/file/f243a3b536f6242b34c723a075098923.rar .

国家中医药管理局 . 郁病（强迫症）中医诊疗方案（试行）［EB/OL］.（ 2017-03-13 ）［ 2024-11-05 ］. http：//www.natcm.gov.cn/d/file/f243a3b536f6242b34c723a075098923.rar http://www.natcm.gov.cn/d/file/f243a3b536f6242b34c723a075098923.rar .

佟琳，张磊，曾子玲，等 . 本草领域本体构建及其应用［J］. 医学信息学杂志， 2025 ， 46 （ 3 ）： 61 - 67 .

张璐瑶 . 基于Neo4j的中医体质干预知识图谱构建实验综述［J］. 电脑知识与技术， 2024 ， 20 （ 30 ）： 125 - 128 .

郭苗苗 . 基于知识图谱的乒乓球问答系统的语义匹配算法研究［D］. 南京：南京邮电大学， 2020 .

王海玲，刘兴丽，邵宗曦，等 . 基于ChatGLM的煤矿安全预警知识抽取及应用［J］. 煤炭技术， 2024 ， 43 （ 8 ）： 219 - 221 .

Views

下载量

CSCD

CNKI被引量

Alert me when the article has been cited

提交

Tools

Publicity Resources

Research on entity and relation extraction from traditional Chinese medicine knowledge graphs based on GPTs

Exploring feasibility of artificial intelligence in diagnosing depressive disorder based on traditional Chinese medicine principle of "governing exterior to infer interior"

Astrocytes and depression： Advances in research on acupuncture intervention

A method for generating dietary recommendations following "food and medicine homology" principle of traditional Chinese medicine using retrieval‑augmented large language models

Prediction models for cardiovascular diseases in elderly diabetic patients based on artificial intelligence algorithms and traditional Chinese medicine constitution types

Related Author

HE Yuhao

LI Ming

LUO Xiaolan

LIU Lili

YANG Qi

ZHU Bangxian

LYU Yuhan

LI Hongpei

Related Institution

Pepperdine University， Malibu

Shanghai University of Traditional Chinese Medicine

Department of Encephalopathy， Dongfang Hospital， Beijing University of Chinese Medicine

Department of Clinical Psychology， Beijing University of Chinese Medicine Shenzhen Hospital （Longgang）

Fifth Clinical Medical College， Beijing University of Chinese Medicine （Shenzhen Hospital）

⁰