知识图谱可以有效的组织和表示知识，被应用于很多高级应用中，比如智能医疗。然而，无论是人工还是自动化构建的医学知识图谱通常是不完整的，严重限制了医学知识图谱的使用性能。因此，补全和完善医学知识图谱愈发重要与迫切。医学知识推理旨在从已有的数据中识别错误并推断出新的结论，可以提供高效的资源关联发现能力，进而补全医学知识图谱。同时，为医疗人员和患者提供临床知识及相关诊疗方案进行辅助诊断，推动了医疗诊断自动化和智能化进程。但它仍然是一个具有挑战性的难题。本文首先给出了医学知识推理的基本概念和定义，然后对构建医学知识图谱的关键技术和基于医学知识推理的辅助诊断进行了总结与归纳，并重点回顾了医学知识推理研究现状，对其推理方法进行了划分：基于逻辑规则的医学推理，基于表示学习的医学推理以及基于深度学习的医学推理。对于每一类别，分别介绍了代表性算法和最新研究进展。本综述的特点是针对基于医学知识图谱的推理技术进行了综合的介绍。最后，本文总结了医学知识推理目前面对的一些挑战和重要问题，并展望了其发展前景和研究趋势，希望能促进这一快速发展领域的进一步研究。