基于肿瘤知识图的概率图模式匹配

《ACM Transactions on Probabilistic Machine Learning》：Probabilistic Graph Pattern Matching via Tumor Knowledge Graph

本文针对肿瘤知识图谱（TKG）中图模式匹配（GPM）的研究不足，提出了一种多约束图模式匹配算法（TKG-McGPM），通过实验验证其能有效辅助肿瘤治疗方案制定。

　　

摘要

图模式匹配（Graph Pattern Matching，GPM）是指在更大的图结构中识别出与预定义的模式图完全相同或高度相似的子图。尽管关于大规模图数据中GPM的研究主要集中在社交网络分析或提高匹配算法的精确度和效率以快速检索子图上，但在医学领域开展的相关研究却相对较少。为弥补这一不足，并探索GPM在临床应用中的潜力，特别是帮助患者选择最佳肿瘤治疗方案，本文提出了一种专门为肿瘤知识图（Tumor Knowledge Graph，TKG）定制的概率图模式匹配方法。我们设计了一种多约束图模式匹配算法，称为TKG-McGPM。通过实验验证，我们发现TKG-McGPM能够促进肿瘤治疗计划的制定过程更加高效且决策更加科学。