2022年中国知识图谱行业研究报告(15)

药企的经济利益与药物研发业务难度驱动：一方面，药企药物研发成功可获取创新药专利，抢占新药专利红利，但国内药企的创新药专利较为稀缺；另一方面，药物研发具有高技术、高投入、高风险、低成功率、审批慢的痛点，药物发现阶段的数据量与计算量巨大。
国家控制药物成本的工作持续推进：提升药物创新研发能力，不仅可以控制外国药物进口成本，而且可以改善病人因经济问题无法购药的问题。
二、与机器学习相比，知识图谱在药物研发领域的优势
1.频繁子图挖掘
机器学习的数据特征更多依赖人为筛选，而知识图谱可以做到频繁子图挖掘，即从大量的图中挖掘出满足给定支持度的频繁子图，同时依据算法保证这些频繁图不重复。知识图谱的图特性使其可以更快更自动化地挖掘出药物子图。
2.数据维度丰富
知识图谱可基于多维度数据构建药物知识库，将病理学、历史用药导致结果等多角度的数据进行关联整合分析，以直观的图形式揭示复杂的药物原理与推理关系，为药物研发提供便捷的工具。
3.可解释性增强
相比于机器学习的黑箱问题缺陷，知识图谱可以结合贝叶斯网络与GNN等算法，过程中的每一参数与节点流程都可展示呈现，可为数据分析、逻辑推理提供更有说服力的证据链与证据流程，提高模型的可解释性。

• 工业与电力
场景应用分析一：产品与工艺创新研发
高附加值环节依赖国外，需借助知识图谱创新产品与工艺
一、主要业务痛点：新产品与新工艺研发设计不足
高附加值环节依赖国外：国内在低端产品制造方面产能过剩，但在高端精细化工业产品的生产工艺上仍然依赖国外，高技术、高附加值产品不足。
研究积累薄弱：在化工原理、反应机理、油气勘探、核心零部件设计等基础研究方面，国内的研究积累比较薄弱，需要将专业知识与经验进行体系化梳理，辅助新产品与新工艺研发。
二、知识图谱搭建过程
知识梳理：知识图谱搭建的第一步，需要将业务体系下的行业知识梳理好。
边界确定：如某一细分领域为氨纶，将氨纶的业内专家、化工原理等梳理成知识体，明确研究范围。