通讯作者: 易法令, flyi@gdpu.edu.cn

DOI：10.12201/bmr.202508.00035

Advances in Integrating Knowledge Graphs and Large Language Models for Health Management of Diabetes

• 摘要：目的/意义 糖尿病作为典型的慢性病，其健康管理贯穿诊断、治疗、监测与随访多个阶段，数据类型复杂、管理任务多样，传统方法难以实现智能化支持。为应对传统糖尿病管理方法在数据处理与智能支持方面的不足，近年来知识图谱（KG）与大语言模型（LLM）的融合技术受到广泛关注。本文尝试系统探讨该技术在糖尿病智能健康管理中的应用前景与成效。 方法/过程 通过系统分析KG与LLM的技术协同机制，结合国内外典型案例，论证其在糖尿病智能问答、个性化干预及并发症预测中的实际成效。 结果/结论 KG与LLM的深度融合显著提升了糖尿病管理的精准性与效率。未来应进一步完善知识更新机制，加强隐私保护措施，并推动跨学科融合，以提升糖尿病管理的个性化与智能化水平，为实现精准医疗的广泛普及提供坚实的技术支撑。

  关键词： 糖尿病; 知识图谱; 大语言模型; 健康管理; 人工智能

   

  Abstract: Purpose/Significance Diabetes, as a typical chronic disease, necessitates comprehensive health management spanning diagnosis, treatment, monitoring, and follow-up. The complexity of data types and diversity of management tasks pose significant challenges for traditional methods in providing effective intelligent support. To address these limitations, the fusion technology of Knowledge Graphs (KG) and Large Language Models (LLM) has garnered considerable attention. This paper aims to systematically explore the application potential and effectiveness of KG-LLM integration in intelligent diabetes health management. Method/Process We conducted a systematic analysis of the technical synergies between KG and LLM. Furthermore, we examined domestic and international case studies to demonstrate the practical efficacy of this integrated approach in key areas of diabetes management, including intelligent question answering, personalized interventions, and complication prediction. Result/Conclusion The deep integration of KG and LLM significantly enhances the accuracy and efficiency of diabetes health management. Future developments should focus on refining dynamic knowledge updating mechanisms, strengthening privacy protection measures, and fostering interdisciplinary collaboration. These advancements will be crucial for evolving diabetes management towards a comprehensive prevention-intervention-rehabilitation lifecycle model and establishing a robust technical paradigm for the widespread adoption of precision medicine in chronic disease care.

  Key words: diabetes; knowledge graph; large language model; health management; artificial intelligence

  提交时间：2025-08-15

  版权声明：作者本人独立拥有该论文的版权，预印本系统仅拥有论文的永久保存权利。任何人未经允许不得重复使用。
• html

• 图表

• 芮晨, 陈玥琪, 李金斌, 张胜发. 人工智能在基层2型糖尿病健康管理中的应用进展与趋势. 2025. doi: 10.12201/bmr.202506.00072

  施呈昊, 屠馨怡, 史佳伟, 陈红爽, 王琴潞, 邹海欧. 大语言模型在临床实践中应用的范围综述. 2024. doi: 10.12201/bmr.202406.00001

  吴萌, 杨林, 沈柳, 张素菡, 王敏, 孙振凤, 徐晓巍, 刘娜娜, 王亚新, 侯丽, 李姣, 马良坤. 面向继续医学教育的多模态围产保健知识图谱构建研究. 2024. doi: 10.12201/bmr.202402.00008

  马傲, 葛小玲. 人工智能大模型在医疗健康领域应用的研究. 2024. doi: 10.12201/bmr.202408.00039

  郑琰莉, 韩福海, 李舒玉, 苏文星. 人工智能大模型在医疗领域的应用现状与前景展望. 2023. doi: 10.12201/bmr.202312.00027

  向艾宁堃, 田靖雪, 胡德华, 刘海霞. 生成式人工智能对于老年糖尿病应答效能的比较研究. 2025. doi: 10.12201/bmr.202503.00019

  吕婷钰, 李晓瑛, 刘宇炀, 杜晋华, 李心怡, 罗妍, 唐小利, 任慧玲, 刘辉, 尹浩. 中文医学知识大模型问答语料数据集构建研究. 2024. doi: 10.12201/bmr.202404.00002

  范春, 马洁, 徐安琪, 徐一涵, 史金龙. 健康画像的数据模型设计与智能化应用. 2024. doi: 10.12201/bmr.202402.00011

  方攀, 曹宇汀, 丁子啸, 张顺, 李兆融, 曾震宇, 朱睿. 老年主动健康知识图谱构建和应用探索. 2023. doi: 10.12201/bmr.202303.00038

  牛宇翔, 葛珊衫, 王力华. 从传统NLP到大语言模型电子病历生成技术的探索与研究. 2024. doi: 10.12201/bmr.202412.00080

• 序号	提交日期	编号	操作
  1	2025-04-08	bmr.202508.00035V1	下载

• 公开评论  匿名评论  仅发给作者 提交评论