ChronoMedKG：基于时间的生物医学知识图和临床推理基准

生物医学知识图 (KG) 将疾病关联视为静态事实，但时间信息对于临床推理至关重要，例如，3 岁时诊断出一种疾病的症状可能意味着 13 岁时诊断出另一种疾病。现有的 KG（例如 PrimeKG、Hetionet 和 iKraph）不会对某个发现在疾病过程中变得具有临床相关性时进行编码。这限制了它们在纵向临床推理和检索增强方面的有用性。我们引入了 ChronoMedKG，这是一个时间生物医学知识图，其中包含 460,497 个证据关联的三元组（从 1300 万个原始提取中过滤），涵盖 13,431 种疾病。每个关联都与发病窗口或进展阶段等时间成分相关，这些成分均得到 PMID 可追踪证据和多信号可信度评分的支持。该图是通过疾病自主多智能体管道构建的，其中多个前沿 LLM 独立地从 PubMed 和 PMC 文献中提取知识。只有那些得到多模型共识支持、能够通过可信度过滤以及本体对齐的关系才会被保留。 ChronoMedKG 与 Orphadata 的一致性达到 92.7%，并为 HPOA、Orphadata 和 Phenopackets 中缺少的 6,250 种疾病添加了时间基础，其中包括 1,657 种 Orphanet 编码的罕见疾病。我们进一步介绍了 ChronoTQA，这是一个包含 8 个任务类型（六个时间加两个静态控制）的 3,341 个问题的基准，以及 12 个问题的补充探针。从静态问题到时间问题，Frontier LLM 损失了大约 30 分； ChronoMedKG 检索挽救了 47-65% 的长尾失败，而 HPOA-RAG 的挽救率为 17-29%。因此，ChronoMedKG 为以前缺乏的检索增强临床系统提供了关键的时间轴。