# 医疗与制药
# 背景
医药企业拥有丰富的各类数据，如药品说明、患者记录、临床实验记录等。与此同时，互联网医疗的兴起，带来了海量的公共医疗数据资源，
这些数据中蕴含的知识能极大的改善企业的一些场景体验，比如：
- 医药厂商拥有大量的实验数据、患者数据和药品数据，而药厂内部员工和外部患者经常会有咨询药品的需求，如何能快速回答他们的问题？
- 医药厂商如何对大量的患者数据进行管理，以便及时跟踪患者的身体情况，对可能出现的问题进行提前的预警提示？
- 医药厂商代表的年流动率在10%-20%，对于新的代表人员，如何智能培训，加快他们对产品的了解？
传统的分析方法基于关系型数据库，要关联实验数据、诊疗记录、病人这些表必须通过SQL的连接（join）操作，开销巨大。完成表与表的连接操作可能得花费数小时、有时甚至数天的时间。
# 图建模
医药类知识图谱中，实体类别较多，且疾病、药品、症状等实体之间的关系错综复杂。图数据库可以轻松的支持图谱构建，并利用灵活的图查询满足各种医药类场景的实时查询需求。
根据这些信息，图可定义为：
- 节点：疾病、检查、症状、身体部位、文献、药品、药物成分等。
- 边：相关、发病部位、适用等。
# 解决的业务问题
将原本非结构化、繁杂的数据梳理到图谱，利用图上数据，可以支撑医疗制药更多业务场景：
# 智能预警
结合患者的数据和图谱信息，对用药进行提示预警。例如：地高辛口服液的有效成分是地高辛，在低钾患者中需要慎用。如果患者数据显示是个低钾患者，则可以提前预警慎用相关药物。
# 员工培训
医药企业基于图上数据，可以对其产品生成相关的培训考题，对新入职的员工进行培训考核，并基于考题的标签对考核结果进行得分评测，提示员工的薄弱环节。
# 医疗智能问答机器人
和我们在购物网站经常见到的智能问答机器人一样，医疗机器人可以在基于图上的点边关系快速查询数据，自动得到问题的答案并做出回答，为企业省去大量的人力工作，提升服务质量。