获奖案例：医渡科技助力广东医科大学附属医院多模态数据应用创新实践

随着医疗、信息技术和生物技术的快速发展,医院的数据正呈指数级增长。临床研究数据呈现出多源异构的特点,数据规模庞大且跨系统整合难度高,这些因素无疑为科研工作带来了极大挑战。而多模态数据系统建设或可成为推动医院高质量发展的关键解决方案。

近日,国家卫健委举办的“第二届全国数字健康创新应用大赛健康医疗大数据主题赛”中,医渡 科技 (2158.HK)旗下医渡云作为联合申请单位与广东医科大学附属医院申报的“医学大数据科研分析平台项目” 凭借多模态数据应用的创新,荣获三等奖。

打造平台 实现多模态科研数据深度融合

广东医科大学附属医院,作为区域内集临床医疗、教学和科研于一体的大型医学中心,拥有强大的医疗技术和科研实力。自2023年起,医院与医渡云展开深度合作,共同打造了“全院级的医学大数据科研分析平台”。

医学大数据科研分析平台架构图

该平台支持医院数据资产的全面盘点、数据开放以及AI能力的开放,致力于探索与医院业务场景相匹配的智能化模型和应用服务,形成了“临床大数据+多模态+AI能力开放”于一体的临床人工智能应用体系。通过整合病历、影像、病理、组学等多模态数据,平台实现了对医院内部数据的深度挖掘与分析,一站式满足科研对多模态数据的需求。

四大创新 切实满足多模态数据科研需求

在平台运行期间,诸多临床科研人员积极反馈使用感受,他们普遍认为医学大数据科研分析平台是真正能满足科研需求的数据平台。这得益于平台具有以下四大优势:

优势1: 实现多模态数据融合

平台实现了影像与临床数据的深度融合,通过人工智能技术对多源数据进行综合处理,将分散的多模态数据转化为高质量的科研资产,并利用统计分析和机器学习技术构建疾病知识图谱,开发诊断、治疗和风险预测模型,挖掘数据的科研价值。这种多模态数据的整合使得医生们可以更精准地理解疾病的复杂性,为个性化医疗提供了坚实的基础。

优势2: 影像数据标注与特征提取革新

针对影像数据及其相关诊疗文书,平台开创性地集成了数据标注和训练功能,支持多种类型的标注任务,并利用高级人工智能算法自动完成影像数据的标注信息生成,大大提高了数据标注的速度和准确性。这一进步对于加速医学影像的研究和发展具有重要意义,同时也降低了人工操作带来的误差。

优势3: 流程化的AI建模训练设计

平台提供一套无需编程能力即可使用的AI建模训练流程。医生不需要掌握编程和算法即可完成病例搜索、研究指标选取、CRF表单的定义,数据标注、统计分析和AI算法训练等任务,可以同时满足临床数据分析、影像深度学习及多模态分析等不同类型的研究,为医生在科研探索和数据分析等提供智能化支持。

优势4: 便捷的AI模型临床验证与应用

为了缩短从科研到实际应用的距离, AI能力的开放性和易用性就显得尤为重要。AI能力开放功能实现便捷的AI模型临床使用交互,缩短从临床科研到临床应用的转化路径。医生可以将训练好的AI模型发布共享,临床医生无需编程技能也能运用AI模型进行实际的临床数据处理。平台的建成不仅显著提升了广东医科大学附属医院的科研能力及临床服务水平,而且树立了行业标杆,为其行业提供了宝贵经验。

成效显著 有效提升科研效率

医渡云已助力广东医科大学附属医院取得显著成效。平台现已汇集超过2836万份医疗记录和4641个结构化字段,成功构建194个专科专病库,满足了院内多个科室的科研需求,而且日均浏览量达196人次,月检索量约2000次,有效提升了科研效率和数据价值。

此外,平台内已发布15个先进算法和模型,推动了临床智能应用的开发,展现了全病种、全流程、多模态的人工智能技术服务能力。

广东医科大学附属医院医学大数据科研分析平台项目建设不仅加速了临床科研效率,促进新药和新疗法的研发转化,且为建设区域医疗中心平台奠定坚实基础,后续将在前期建设成果基础上,构建“多中心多模态区域科研分析平台”,满足医院“一院多区多托管”医疗集团协作科研创新的需要。

目前,医渡云多模态科研数据平台已经在广东医科大学附属医院、中山大学附属肿瘤医院等多家三甲医院落地,极大地提高了医院多模态研究能力和智慧医疗水平,提升医院效能。如果您想了解更多信息,可拨打400-998-1800与医渡云联系。