图2 医学人工智能新基建的运用发展方案

1医学大数据的存储与汇聚

依托三级甲等医院、高校及其附属医院和区域卫生信息中央，基于海内自主可控的通用打算和人工智能打算的算力资源，汇聚、管理医学大数据资源并建立支撑平台系统。

基于多中央通用数据模型，探索数据共享机制及联邦学习剖析模式，构建跨机构、多中央互助模式下的多源异构医学大数据汇聚和标准化处理数据模型。
创新基于卫生信息标准的大数据资源组织与构建的技能方法，制订完善的数据管理标准，并用于医学大数据资源整合。
从各系统抽取数据，包括电子病历、检讨考验、病理、影像、行列步队随访等临床医疗数据，以及基因组、蛋白组等人类遗传资源数据，进行数据领悟，形成完备的主数据信息，之后将主数据信息分发给各业务系统。
担保上述信息在各业务系统中的准确性和完全性，形成统一、规范的数据整合和管理体系。

基于知识图谱、知识推理等技能进行医疗大数据深度管理，并培植消化系统疾病、乳腺肿瘤、泌尿系统疾病等专科专病大数据库，建立多中央专科专病同盟，汇聚和供应专科专病的上风医疗资源和技能资源，促进专科专病多中央医疗协同和大数据资源共享。
同时，培植专科专病人工智能运用集成平台，办理各专科专病跨机构及多目标的临床研究需求，挖掘已汇聚医学大数据的代价，赞助专科专病的科研和临床决策，实现对患者状态的及时评估和精准治疗，提高医疗机构专科专病的科研创新能力和医疗做事质量，促进医学研究与发展。
推动专科专病诊疗技能、做事模式、管理体系等领域深化改革创新，实现专科专病临床和科研技能博识智能化、模式协同整合化。

2 云打算做事及大措辞模型支撑

基于新基建，建立人工智能运用与云打算做事平台系统，详细包括弹性存储资源、弹性打算资源、数据安全保障以及异地容灾。
云打算做事许可将康健医疗大数据存储在云平台上，实现多源异构数据的弹性存储，办理传统存储中存储容量、存储性能、备份以及规复等问题。
云打算做事支持随时根据需求调度打算资源，对付大规模数据处理或模型演习可快速获取更多的打算资源，以担保其效率和准确性。
此外，在多个数据中央设置数据容灾备份，以便在任一中央发生故障的情形下仍能得到数据。
通过数据分段、冗余存储、数据加密、数据备份等方法，构建云打算做事架构体系，确保康健医疗大数据的隐私和安全。

建立医疗领域的大措辞模型。
通过预演习及强化学习技能，特殊是基于深度神经网络模型，对大量的医学文献、临床指南、病例报告等医学知识和文本数据进行演习，以天生具有医学专业知识和语义理解能力的文本输出模型。
医疗大措辞模型可以为临床年夜夫供应诊断和治疗决策支持：输入患者的症状、疾病信息等，模型可以天生干系的医学知识和建议，帮助年夜夫做出更准确的诊断、选择更适宜的治疗方案。
同时，将大措辞模型用于医学文档创建和记录，如病历记录、医学报告、围手术期文本数据等，根据年夜夫的输入或患者的信息，自动天生符合规范和标准的文档，提高医疗记录的准确性和效率。
此外，将大措辞模型用于与患者互换和康健教诲，帮忙回答患者的常见问题，供应康健建媾和辅导，可提高患者对疾病的认知水平以及对治疗的参与度。

云打算做事及大措辞模型的新基建将促进医学人工智能临床科研的运用和发展，有助于实现聪慧医疗、精准医疗的目标，推动医疗行业向数字化、智能化和信息化方向迈进。

3 医疗康健协同做事

基于新基建，建立医疗康健协同做事支撑平台系统。
利用区块链和匿踪查询等技能，培植基于多中央的可信、安全、数据可溯源的医疗康健协同做事支撑平台，实现各级医疗卫活气构、政府部门的康健医疗做事和管理数据的互通互认，以及跨机构、多中央之间患者全流程管理的康健医疗做事协同。

针对建立的医疗康健协同做事支撑平台，以跨机构、多中央的协作网络体系、区域医疗中央、医联体等医疗康健模式开展运用，为其供应大数据支撑和共享做事。
支持各级医疗机构间开展远程医疗、分级诊疗、转诊会诊、区域协同、处方流转等医疗做事和康健管理等。
同时，与卫生康健政府部门的医疗卫生信息平台互联协同，形成集群布局、上风互补、协同创新的医疗康健做事模式，以提高医疗康健做事质量和效率，提升患者就诊的便捷性与高效性，更合理地分配医疗康健资源，降落患者的医疗康健包袱。

此外，基于人工智能新基建，利用高维度、跨尺度、多模态的医学大数据和深度学习技能，建立面向临床研究的科研大数据人工智能决策支持环境和技能支撑体系。
例如，建立基于深度学习的人工智能诊断系统，识别、诊断不同重修参数下的肺部结节，基于三维卷积神经网络（3D-convolutionalneuralnetworks,3D-CNN）对医学影像进行目标检测，实现对X线、CT、MR等多模态医学影像的病灶识别，有效提高临床年夜夫的诊断效率和准确度，进而提升医疗康健做事质量。

4 医学人工智能传授教化科研做事

以传授教化和科研需求为导向培植医学人工智能新基建，开拓人工智能算法和基于云打算做事的集成剖析引擎和软件工具。
将算法、平台工具用于已汇聚大数据的挖掘和剖析，为传授教化和科研供应支持。

算法创新方面，开拓深度学习算法剖析大规模的化学和生物数据，挖掘药物分子特色，预测分子构造与活性之间的关系，创造药物的浸染机制，加速药物创造的速率，提高药物研发的效率；通过剖析患者的基因组学数据、临床特色和药物治疗记录，建立预测模型评估患者对特定药物的不良反应风险，优化药物选择和剂量，提高治疗效果并降落不良反应的发生率。
开拓医学图像语义分割算法，将图像中的不同组织、器官或病变部位进行像素级别的分割和标记，赞助年夜夫更准确地识别和定位病变区域，从而供应更精准的诊断和治疗决策。
此外，改进传统的机器学习算法，结合患者的临床特色、基因组学数据和治疗记录，预测疾病的发展趋势，供应个体化治疗方案并帮助年夜夫做出更准确的预后评估。

平台工具开拓方面，集成临床科研建模事情流，实现交互式操作的临床科研建模云做事平台，并针对医疗数据的繁芜性供应更全面的功能，特殊是在数据预处理和自动化临床建模方面供应一站式的办理方案。
此外，建立面向临床科研的绘图云做事平台，涉及回归、聚类、生存剖析、风险建模等，用户可方便快捷地完成一些专门的可视化任务，知足科研职员的日常需求。
总之，新基建的运用有助于医学教研的课程体系和科研体系的衔接，推动医学的发展和创新。

医学人工智能的深度运用须要建立集洗濯、标注、备份、导出为一体的数据自动化全流程处理体系，以提高数据的质量和效率，为传授教化和科研供应高质量的数据来源。
此外，构建算法开拓、演习库管理、资源监控等人工智能演习管理与支撑体系，为跨机构医学人工智能演习、仿照、验证等全流程覆盖的共性做事供应支持。
建立一套基于人工智能算法的集成剖析平台工具，以及自动化全流程处理体系和人工智能演习管理与支撑体系。

END

文章来源 | 刘泓泽,刘迷迷,唐圣晟,刘京晶,廖芝美,许源,周毅等.医学人工智能新基建的运用发展研究[J].中国数字医学,2023,18(08):1-7