医疗智能体的知识库怎么建、怎么持续更新？MedKGent 双智能体框架从1000万篇文献生成297万条三元组

一、研究背景

做过医疗 AI 智能体项目的团队大多在同一个地方卡过壳：知识库。

模型可以调 API，提示词可以反复打磨，工作流可以画得很漂亮，但只要智能体一被问到具体的药物相互作用、基因—疾病关联、某个新疗法的证据强度，它就开始编。RAG 是标准解法，可 RAG 的上限取决于你喂给它什么。喂原始文献片段，检索噪声大、上下文冗长；喂结构化知识图谱，检索精准、可追溯——但知识图谱本身从哪来？

现有的医学知识图谱构建路线,各有各的难处。

规则与监督式流水线（如早期的命名实体识别 + 关系抽取管线）依赖固定 schema 和大量标注数据，遇到新出现的关系类型就得重新标注、重新训练，迁移成本极高。SemMedDB 这类经典资源虽然覆盖广，但基于语义谓词逻辑构建，关系粒度较粗。而近两年直接用大模型批量抽取三元组的做法，则普遍存在两个被忽视的缺陷：

第一，把文献语料当成静态快照。1998 年的一篇论文说 A 抑制 B，2019 年的研究推翻了它——如果只是把所有抽取结果堆在一起，图谱里就同时躺着互相矛盾的两条边，谁也不知道该信哪个。医学知识是演化的，而多数图谱是扁平的。

第二，没有置信度概念。大模型抽出来的三元组，有的是论文明确论证的核心结论，有的只是摘要里一句"可能相关"的推测，还有的干脆是幻觉。全部等权重入库，等于把噪声一并写进了智能体的"记忆"。

2026 年 8 月 4 日，穆罕默德·本·扎耶德人工智能大学（MBZUAI）联合中国科学院大学、清华大学、京都大学、华东师范大学、中科院脑智卓越中心、哈佛医学院布莱根妇女医院与 GenBio AI 的团队，在 npj Digital Medicine（Nature 旗下，IF=15.1）发表研究，提出 MedKGent——一个用大模型智能体逐日增量构建时序演化医学知识图谱的框架。

二、研究创新点

MedKGent 的核心不是"再抽一遍三元组"，而是重新设计了知识入库的方式。三个关键创新：

第一，把静态语料还原成时间序列。 团队从 PubMed 收集 2000 万余篇摘要，经长度与年份质控后保留 10,014,314 篇，按发表日期组织成 1975 年 1 月 1 日至 2023 年 12 月 31 日的逐日时间序列。框架严格按时间顺序处理，模拟生物医学知识真实"涌现"的过程。这个设计带来两个直接好处：图谱天然带时间戳，可以做时间切片；框架本身是增量式的，新论文来了继续往后跑即可，不需要全量重建。

第二，用采样一致性给每条三元组打置信分。 这是对"大模型会编"的直接回应。同一段抽取提示词，Extractor Agent 会并行多次调用大模型，统计每条三元组在多次输出中出现的频率作为初始置信度——若三元组（NPPA，负相关，Water）在 90% 的输出中出现，置信度即 0.9。置信度低于 0.6 的直接丢弃。这本质上是用 self-consistency 做了一层廉价而有效的幻觉过滤。

第三，让证据随时间累积，让冲突被显式裁决。 Constructor Agent 不是简单去重。同一条三元组在后续文献中反复出现时，置信度会按公式递增（例：原有 0.7 的边遇到新的 0.9 证据，更新为 0.97），并把新的 PubMed ID 追加进溯源列表。而当同一实体对出现不同关系时（已有"关联"、新来"负相关"），Constructor Agent 会调用大模型，结合双方的置信度与时间戳做裁决，只保留更合适的那一条。

一句话概括这套设计的价值：它让知识图谱从"一堆事实"变成"一份带证据强度和时间线的档案"。

三、技术原理

MedKGent 由两个智能体串联组成，底座模型是开源的 Qwen2.5-32B-Instruct（自建 API 部署，非闭源模型）。

Extractor Agent（抽取智能体） 分两步走：

1. 实体识别与归一化：先调用 PubTator3 工具识别六类实体——Gene（基因）、Disease（疾病）、Chemical（化学物质）、Variant（变异）、Species（物种）、CellLine（细胞系）。这一步给出稳定标识符（如 NPPA → NCBI Gene ID 4878），解决同义词消歧。随后为每个实体补充 Exact Keywords（小写别名表，如 anp / atrial np / nppa）与 Semantic Embedding（由 BiomedBERT 生成的语义向量）。三重定位机制——标识符精确匹配、别名匹配、语义相似度匹配——保证后续检索时实体能被稳定链接。
2. 关系推断与置信度估计：把摘要与实体列表送入大模型，推断实体对之间的语义关系。框架预定义 12 种核心生物医学关系：七种双向（关联、负相关、正相关、比较、联合治疗、相互作用、药物相互作用）与五种单向（导致、抑制、治疗、刺激、预防）。关键在于这套关系集合可通过提示词扩展——要加新关系类型，改提示词即可，不需要像监督式管线那样重新标注和训练。

Constructor Agent（构建智能体） 负责入库：对每条保留的三元组，检查图谱中是否已存在。不存在则插入；已存在则强化置信度、追加 PubMed ID、更新时间戳；实体对相同但关系冲突则调用大模型裁决。

最终图谱中，节点带六个属性（标识符、实体类型、术语体系、页面链接、精确关键词、语义嵌入），边带三个属性（置信度、PubMed ID 列表、时间戳）。这意味着智能体检索到任何一条知识，都能一路回溯到原始文献。

四、实验结果

图谱规模。 从 10,014,314 篇摘要中，有 3,472,524 篇（34.68%） 产出了可用三元组，共抽出 8,922,152 条有效三元组。经 Constructor Agent 按时间顺序合并去重与冲突消解后，最终图谱包含 156,275 个实体节点与 2,971,384 条三元组——据作者所知，这是目前规模最大的由大模型构建的医学知识图谱。

需要说明，34.68% 这个抽取率并不高，原因有三：部分摘要本身缺乏结构化信息；置信度低于 0.6 的被过滤；少量抽取结果存在格式问题被丢弃。作者对此坦诚说明，这也是"宁缺毋滥"策略的代价。

质量评估（双轨验证）。

关键的交叉验证：以专家标注为金标准，GPT-4.1 与 DeepSeek-v3 的精确率、召回率、F1 均达到约 95%，说明自动评估本身是可信的。全部评估者（2 位专家 + 2 个模型）两两之间的 Cohen’s kappa 多数高于 0.6（实质性一致），少数略低但仍处中等一致区间。

值得注意的是，评估用的模型（GPT-4.1、DeepSeek-v3）与构建用的模型（Qwen2.5-32B）刻意不同，避免了"自己批改自己作业"的自证循环。

下游效用：七个医学问答基准。 团队在 MMLU-Med、MedQA-US、PubMedQA*、BioASQ-Y/N 四个通用基准，加上 MedDDx 鉴别诊断基准的三个难度分层（Basic / Intermediate / Expert），共七个数据集上测试。参评模型五款：GPT-4-turbo、GPT-3.5-turbo、DeepSeek-v3、Qwen-Max、Qwen-Plus。全部零样本、不做微调，三种设置对比：

• 直接作答（无检索）
• SemMedDB 检索增强（经典医学知识库对照）
• MedKGent 图谱检索增强

结果是稳定的三级台阶：MedKGent > SemMedDB > 直接作答，在所有基准、所有模型上一致成立。其中 MedQA-US 上提升最显著，最高达 8.4 个百分点（GPT-3.5-turbo：0.599 → 0.683）。在 MedDDx 鉴别诊断套件上，Expert 难度子集提升幅度最大——这恰恰是语义歧义最强、最难靠模型内部记忆蒙对的部分。在 MMLU-Med、BioASQ-Y/N 这类知识密集但歧义较小的任务上，提升幅度较小但方向一致。

五、应用前景

对做医疗智能体定制的团队来说，MedKGent 的价值不在于那 297 万条三元组本身，而在于它把"知识库怎么建"这件事拆成了可复用的工程范式。

其一，置信度阈值是可调的产品旋钮。 0.6 是论文的选择，但在实际项目里，用药安全类问答可以把阈值提到 0.9 只保留高共识知识，而科研假设生成场景可以放宽到 0.5 换取更大召回。这比"要么全信要么不信"的二元设计务实得多。

其二，时间戳与 PubMed ID 溯源是合规刚需。 医疗场景下，智能体给出任何结论都必须能回答"依据是哪篇文献、什么时候发表的"。MedKGent 的边属性设计天然满足这一点，且时间戳还能支撑"只用 2020 年后证据"这类时间切片查询。

其三，开源底座 + 关系可扩展意味着可私有化。 全流程基于 Qwen2.5-32B 自建 API，不依赖闭源模型，医院内网部署没有数据出境问题。12 类关系通过提示词定义，专科项目要加"手术适应证"“检验指标异常提示"这类领域特有关系，改提示词即可。

但必须说清楚局限。

作者自己在论文中明确定位：这是一项方法与基础设施贡献，不是临床验证研究。 具体限制有四：

• 仅用摘要，未用全文。 剂量信息、亚组分析、表格图片中的数据都不在图谱里。团队坦承这是为可复现性与成本做的权衡，PMC 全文接入被列为后续工作。
• 未做临床对齐。 图谱概念与 SNOMED CT、RxNorm、LOINC 等电子病历术语体系尚未打通，直接接入 HIS/EMR 还有一段工程距离。
• 与 SemMedDB 的对比只是下游检索效用对比，不等于图谱构建质量的完整比较——真正的图谱对图谱评测需要用同一份千万级语料重跑其他管线，成本极高。
• 药物重定位等预测性应用尚属设想。 论文将其列为需要严格设定文献截止时间、排除未来证据的后续研究方向，并给出了实验设计清单，而非已完成的结果。

换言之，这是一份高质量的文献级知识基础设施，可以直接用于知识增强问答与假设生成，但不能替代临床证据，也没有经过前瞻性验证。

六、结论

MedKGent 回答了一个此前被含糊带过的问题：医学知识图谱不应该是文献的扁平快照，而应该是带证据强度、带时间线、带溯源的演化档案。

通过 Extractor Agent 的采样置信度估计过滤幻觉、Constructor Agent 的时序累积与冲突裁决整合证据，团队从 1000 万篇 PubMed 摘要中构建出 156,275 个实体、2,971,384 条三元组的图谱，三元组有效率接近 90%，并在七个医学问答基准、五款主流大模型上稳定超越 SemMedDB 检索增强与直接作答两种基线，MedQA-US 上最高提升 8.4 个百分点。

对行业的启示是清晰的：当大家都在比拼模型和智能体编排时，真正决定医疗 AI 上限的，往往是那个没人愿意谈的脏活——知识库的构建质量。 置信度、时间戳、溯源链，这三样东西听起来不性感，却是智能体从"能聊"走到"敢用"之间那道门槛。

论文原文信息地址：https://www.simoagent.com/blog/2026-08-08-medkgent-temporal-medical-knowledge-graph/

参考文献

1. Zhang D, Wang Z, Li ZZ, Yu Y, Jia S, Dong J, Xu H, Wu X, Zhang Y, Zhang T, Yang J, Chen X, Song L. MedKGent: a large language model agent framework for constructing temporally evolving medical knowledge graph. npj Digital Medicine, 2026. DOI: 10.1038/s41746-026-03058-7 | arXiv: 10.48550/arXiv.2508.12393
2. Wei CH, Allot A, Lai PT, et al. PubTator 3.0: an AI-powered literature resource for unlocking biomedical knowledge. Nucleic Acids Research, 2024;52(W1):W540-W546. DOI: 10.1093/nar/gkae235 | PMID: 38572754
3. Kilicoglu H, Shin D, Fiszman M, Rosemblat G, Rindflesch TC. SemMedDB: a PubMed-scale repository of biomedical semantic predications. Bioinformatics, 2012;28(23):3158-3160. DOI: 10.1093/bioinformatics/bts591 | PMID: 23044550
4. Gu Y, Tinn R, Cheng H, et al. Domain-specific language model pretraining for biomedical natural language processing (BiomedBERT/PubMedBERT). ACM Transactions on Computing for Healthcare, 2021;3(1):1-23. DOI: 10.1145/3458754
5. Chen W, Dong Y, Ding Z, et al. Interpretable agentic AI system with localized reasoning for radiology. npj Digital Medicine, 2026. DOI: 10.1038/s41746-026-02994-8 | PMID: 42457975