醫療知識圖譜是實現智慧醫療的基石，有望帶來更高效精准的醫療服務；然而，現有知識圖譜構建技術在醫學領域中普遍存在效率低、限制多、拓展性差等問題。
知識應用
1. 語義全文檢索
基於知識圖譜中的知識，解決傳統搜索中遇到的關鍵字語義多樣 性及語義消歧的難題，通過實體鏈接實現知識與文檔的混合檢索。
針對醫院臨床電子病歷數據大量積累無法快速、高效地服務於臨床醫療、醫學科研、以及病例管理的現象，提出研究更高效的電子病歷檢索方法；采用全文索引搜索引擎技術，以關鍵字、關鍵詞為索引，把電子病歷統一轉換成結構化數據，最后生成病歷檢索索引文件，進而建立電子病歷全文檢索系統。
2. 智能問答
醫院的醫生每天病人接待量是固定，而前來就診的人流量往往很大，這就造成供需失衡。
對待這種情況，利用機器人可以很好的幫我們分擔一部分壓力。
利用醫院大量的、精確的、病例數據，我們用這些數據進行模型訓練，可以做到在線、實時和就診的人進行語言互動，給就診的人提供精確的診斷參考。
3. 輔助診療/決策
為醫生臨床治療提供決策依據，有助於確保醫療質量。
系統通過比較醫療行為中與醫學指引不同的地方，提醒醫生防止潛在的錯誤，如葯物不良反應等；從而降低醫療事故率。還可以提供同類治愈病例的用葯推薦，給醫生提出診療建議；可以使醫生從耗時過長的簡單咨詢工作中解脫出來，從而提高治療效率。
4. 知識訂閱
如實習醫生，在工作中遇到某些疑難雜症，該醫生想要了解這些疑難雜症的最新的臨床醫療信息，那么該醫生只需要根據這些疑難雜症的關鍵詞訂閱與該類有關的醫療信息，即可在第一時間獲取其訂閱的最新的醫療信息；該醫生通過這些信息不斷學習，從而有助於提高其工作能力。
5. 智能導診等
6. 落地方案
使用快速迭代法，通過維度、作用域、邊界快速分解業務模型：
- 通過不同維度、不同視角，抽象出共性的業務模型；
- 只抽取作用域內有效數據，提高數據價值；
- 確定好業務邊界，才能更好很快實現落地；