隨著醫療、信息技術和生物技術的快速發展,醫院的數據正呈指數級增長。臨床研究數據呈現出多源異構的特點,數據規模龐大且跨系統整合難度高,這些因素無疑為科研工作帶來了極大挑戰。而多模態數據系統建設或可成為推動醫院高質量發展的關鍵解決方案。

近日,國家衛健委舉辦的“第二屆全國數字健康創新應用大賽健康醫療大數據主題賽”中,醫渡科技(2158.HK)旗下醫渡云作為聯合申請單位與廣東醫科大學附屬醫院申報的“醫學大數據科研分析平臺項目” 憑借多模態數據應用的創新,榮獲三等獎。

打造平臺 實現多模態科研數據深度融合

廣東醫科大學附屬醫院,作為區域內集臨床醫療、教學和科研于一體的大型醫學中心,擁有強大的醫療技術和科研實力。自2023年起,醫院與醫渡云展開深度合作,共同打造了“全院級的醫學大數據科研分析平臺”。

醫學大數據科研分析平臺架構圖

該平臺支持醫院數據資產的全面盤點、數據開放以及AI能力的開放,致力于探索與醫院業務場景相匹配的智能化模型和應用服務,形成了“臨床大數據+多模態+AI能力開放”于一體的臨床人工智能應用體系。通過整合病歷、影像、病理、組學等多模態數據,平臺實現了對醫院內部數據的深度挖掘與分析,一站式滿足科研對多模態數據的需求。

四大創新 切實滿足多模態數據科研需求

在平臺運行期間,諸多臨床科研人員積極反饋使用感受,他們普遍認為醫學大數據科研分析平臺是真正能滿足科研需求的數據平臺。這得益于平臺具有以下四大優勢:

優勢1:實現多模態數據融合

平臺實現了影像與臨床數據的深度融合,通過人工智能技術對多源數據進行綜合處理,將分散的多模態數據轉化為高質量的科研資產,并利用統計分析和機器學習技術構建疾病知識圖譜,開發診斷、治療和風險預測模型,挖掘數據的科研價值。這種多模態數據的整合使得醫生們可以更精準地理解疾病的復雜性,為個性化醫療提供了堅實的基礎。

優勢2:影像數據標注與特征提取革新

針對影像數據及其相關診療文書,平臺開創性地集成了數據標注和訓練功能,支持多種類型的標注任務,并利用高級人工智能算法自動完成影像數據的標注信息生成,大大提高了數據標注的速度和準確性。這一進步對于加速醫學影像的研究和發展具有重要意義,同時也降低了人工操作帶來的誤差。

優勢3:流程化的AI建模訓練設計

平臺提供一套無需編程能力即可使用的AI建模訓練流程。醫生不需要掌握編程和算法即可完成病例搜索、研究指標選取、CRF表單的定義,數據標注、統計分析和AI算法訓練等任務,可以同時滿足臨床數據分析、影像深度學習及多模態分析等不同類型的研究,為醫生在科研探索和數據分析等提供智能化支持。

優勢4:便捷的AI模型臨床驗證與應用

為了縮短從科研到實際應用的距離, AI能力的開放性和易用性就顯得尤為重要。AI能力開放功能實現便捷的AI模型臨床使用交互,縮短從臨床科研到臨床應用的轉化路徑。醫生可以將訓練好的AI模型發布共享,臨床醫生無需編程技能也能運用AI模型進行實際的臨床數據處理。平臺的建成不僅顯著提升了廣東醫科大學附屬醫院的科研能力及臨床服務水平,而且樹立了行業標桿,為其行業提供了寶貴經驗。

成效顯著 有效提升科研效率

醫渡云已助力廣東醫科大學附屬醫院取得顯著成效。平臺現已匯集超過2836萬份醫療記錄和4641個結構化字段,成功構建194個專科專病庫,滿足了院內多個科室的科研需求,而且日均瀏覽量達196人次,月檢索量約2000次,有效提升了科研效率和數據價值。

此外,平臺內已發布15個先進算法和模型,推動了臨床智能應用的開發,展現了全病種、全流程、多模態的人工智能技術服務能力。

廣東醫科大學附屬醫院醫學大數據科研分析平臺項目建設不僅加速了臨床科研效率,促進新藥和新療法的研發轉化,且為建設區域醫療中心平臺奠定堅實基礎,后續將在前期建設成果基礎上,構建“多中心多模態區域科研分析平臺”,滿足醫院“一院多區多托管”醫療集團協作科研創新的需要。