在全球公共卫生领域，世界卫生组织(WHO)的疫情新闻(Disease Outbreak News, DONs)作为权威疫情信息源，30年来积累了3,000多份非结构化报告。然而这些宝贵的流行病学数据长期面临"数据孤岛"困境——叙事性文本格式导致关键信息（如病原体种类、地理分布、病例数）难以被机器自动提取，严重制约了疫情态势感知和科研转化效率。传统自然语言处理方法在应对疫情报告中的专业术语变异（如"MERS-CoV"与"中东呼吸综合征"的语义等价性）、时空信息模糊性等挑战时表现乏力。

欧洲委员会联合研究中心的Sergio Consoli团队创新性地将人工智能前沿技术与语义网技术相结合，开发了基于集成学习(Ensemble Learning)的自动化知识图谱构建管道。研究团队首先验证了开源大语言模型(LLMs)在流行病学信息抽取中的性能，发现由70亿参数的Mistral-7B-OpenOrca、Zephyr-7B-Beta和700亿参数的Meta-Llama-3-70B-Instruct组成的集成系统，其F₁
分数（0.851-0.962）可媲美商业模型GPT-4。通过多数投票机制和SBERT（Sentence-BERT）语义相似度计算（阈值0.8），有效解决了LLMs的"幻觉"问题。

关键技术方法包括：1）采用滑动窗口注意力机制的LLMs处理长文本；2）基于BioBERT的生物医学实体识别；3）通过NCBO BioPortal和GeoNames实现实体链接；4）遵循RDF（资源描述框架）标准构建包含IDO（传染病本体）术语的OWL（网络本体语言）知识图谱；5）部署Virtuoso SPARQL端点支持复杂查询。研究团队从2,556份有效报告中提取出144种病原体和207个国家的疫情数据。

研究结果显示：

1. 数据特征：知识图谱包含46,000个非具体化(non-reified)三元组，通过<主体-谓词-客体>形式精准表征疫情要素，如"<尼帕病毒, 导致, 13例死亡>"。
2. 时空验证：以2018年刚果民主共和国埃博拉疫情为例，系统成功重建了2018-2020年基伍埃博拉流行曲线，与WHO官方记录高度吻合（R²
   =0.69）。
3. 模型比较：集成系统在病例数提取任务上F₁
   达0.658，显著优于单一模型（如Pythia-12B仅0.315）。

讨论部分指出，这项研究开创性地实现了：

1. 方法论突破：首次将LLMs集成系统与语义网技术结合应用于疫情监测，验证了开源模型可替代商业API的可行性；
2. 知识表示创新：通过OPLa（本体设计模式标注框架）复用IDO本体，确保与ICD-10（国际疾病分类）的语义互操作性；
3. 公共卫生价值：构建的eKG知识图谱支持LOD（关联开放数据）标准，可通过LodView等工具实现疫情时空可视化（如图3所示）。

研究也存在一定局限，如2013年MERS疫情数据因包含疑似病例导致相关性降低（r=0.36）。未来计划整合更多语种报告并引入因果推理模块。该成果为《国际卫生条例》修订提供了技术支撑，其FAIR化数据集已在欧盟数据门户开放获取。