随着全球医疗数字化转型加速，生物医学知识图谱已成为临床辅助决策、医学科研、药物研发等领域的核心数据基础设施，但当前主流生物医学知识图谱多为静态结构，普遍缺失疾病发病窗口、进展分期、表型出现时序等关键时间维度信息，无法支撑时间敏感型临床问题的推理需求，成为制约医疗AI向全周期临床场景渗透的核心瓶颈之一。
2026年5月22日，南丹麦大学联合汉堡大学研究团队在arXiv平台正式发布时序生物医学知识图谱数据集ChronoMedKG，瞄准上述行业痛点展开技术攻关。
据公开信息显示，ChronoMedKG共包含460,497条经过严格验证的三元组，覆盖13,431种常见与罕见疾病，每条知识关联均标注有发病窗口、进展阶段等核心时间成分，同时附有对应的PMID文献溯源编码与多信号可信度评分，确保知识的可追溯性与准确性。该数据集采用疾病自主的多智能体流水线构建，依托前沿大语言模型从PubMed、PMC等全球权威生物医学文献库中独立提取知识，仅保留多模型共识、通过可信度筛选与本体对齐校验的关联关系，从源头保障了数据集的专业质量。
从应用价值来看，ChronoMedKG主要面向临床推理领域，尤其是纵向临床决策支持场景，能够为检索增强生成（RAG）架构的临床辅助系统提供关键的全周期时间轴信息，帮助解决疾病表型出现时间、进展节点预判等时间敏感的临床问题。除此之外，该数据集还可广泛应用于多个医疗相关场景：在慢病管理场景中，可基于疾病进展的时序规律，为患者定制个性化随访与干预计划；在药物研发场景中，可辅助研发人员定位不同疾病阶段的靶点表达时间窗口，优化临床试验的入组分层标准与干预时机设计；在公共卫生场景中，可支撑季节性流行病、慢性病发病规律的挖掘，为区域健康预警体系的搭建提供数据支撑。
作为当前少有的覆盖广、可信度高的时序生物医学知识图谱数据集，ChronoMedKG的发布填补了行业在时间维度医学知识结构化领域的空白，不仅为医疗AI的落地提供了关键的基础设施支撑，也为全球生物医学知识图谱的构建提供了可复用的技术范式，对推动医疗数据要素价值释放、加速数字医疗行业高质量发展具有重要的参考意义。
详情页内容：
_1769672084863.jpg)