在醫療、信息技術與生物技術的交融發展中,醫院數據正以前所未有的速度激增。面對臨床研究數據的多源性、異構性及跨系統整合的復雜性,科研工作者正面臨前所未有的挑戰。在此背景下,多模態數據系統的構建被視為推動醫院高質量發展的破局之策。
近期,國家衛健委舉辦的“第二屆全國數字健康創新應用大賽”中,一項引人注目的成果脫穎而出。醫渡科技(2158.HK)旗下醫渡云攜手廣東醫科大學附屬醫院,憑借“醫學大數據科研分析平臺項目”在多模態數據應用領域的創新實踐,榮獲了健康醫療大數據主題賽的三等獎。
廣東醫科大學附屬醫院作為區域內的醫療、教學與科研中心,自2023年起與醫渡云深度合作,共同打造了一個覆蓋全院的醫學大數據科研分析平臺。該平臺旨在全面盤點醫院數據資產,開放數據資源及AI能力,探索與醫院業務場景相契合的智能化模型與應用服務。
該平臺通過整合病歷、影像、病理及組學等多模態數據,實現了對醫院內部數據的深度挖掘與分析,為科研提供了全面而便捷的多模態數據支持。一站式的數據服務極大地提升了科研效率。
該平臺之所以能在眾多參賽項目中脫穎而出,得益于其在多模態數據應用方面的四大創新優勢。首先,平臺實現了多模態數據的深度融合,利用AI技術對多源數據進行綜合處理,構建疾病知識圖譜,開發診斷、治療和風險預測模型,為個性化醫療提供了有力支持。
其次,平臺在影像數據標注與特征提取方面取得了革新性進展。通過集成數據標注和訓練功能,平臺支持多種標注任務,并利用高級算法自動完成標注信息生成,顯著提高了數據標注的速度和準確性,降低了人工誤差。
再者,平臺提供了一套無需編程能力的AI建模訓練流程,醫生可以輕松完成病例搜索、研究指標選取、CRF表單定義、數據標注、統計分析和AI算法訓練等任務。這一流程化的設計滿足了臨床數據分析、影像深度學習及多模態分析等不同類型研究的需要,為醫生提供了智能化支持。
最后,平臺在AI模型的臨床驗證與應用方面表現出色。通過開放的AI能力,平臺實現了便捷的AI模型臨床使用交互,縮短了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。
醫渡云與廣東醫科大學附屬醫院的合作已取得了顯著成效。平臺已匯集超過2836萬份醫療記錄和4641個結構化字段,成功構建了194個專科專病庫,滿足了院內多個科室的科研需求。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。
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。這一項目的成功不僅提升了廣東醫科大學附屬醫院的科研能力和臨床服務水平,還為行業樹立了標桿,提供了寶貴經驗。