依托大數(shù)據(jù)、人工智能技術(shù)的醫(yī)工科研平臺創(chuàng)業(yè)項目研究

王雪 郭佳偉 郝天琦

摘? 要： 依托醫(yī)院臨床與影像數(shù)據(jù)，以多機(jī)構(gòu)協(xié)作大數(shù)據(jù)共享為目標(biāo)，通過對醫(yī)院數(shù)據(jù)進(jìn)行整合→挖掘→分析→增值，實現(xiàn)病理采集、統(tǒng)計匯總、數(shù)據(jù)挖掘、智能分析、科研成果、指導(dǎo)臨床、醫(yī)療人工智能分析等目的。

關(guān)鍵詞： 大數(shù)據(jù);人工智能;科研服務(wù)平臺;創(chuàng)業(yè)

【Abstract】： Relying on hospital clinical and image data， aiming at large data sharing in multi-agency collaboration， through the integration of hospital data mining， analysis and value-added， the purpose of pathological collection， statistical summary， data mining， intelligent analysis， scientific research results， guiding clinical and medical artificial intelligence analysis is realized.

【Key words】： Big data; Artificial intelligence; Research service platform; Entrepreneurship

0? 引言

近些年，人工智能、大數(shù)據(jù)技術(shù)快速發(fā)展，人工智能+醫(yī)療也成為現(xiàn)代科技研究的熱點。人工智能在醫(yī)學(xué)影像識別、臨床醫(yī)療智能決策、醫(yī)療智能語音、互聯(lián)網(wǎng)+醫(yī)療等領(lǐng)域發(fā)揮重要作用，也促使圍繞“人工智能醫(yī)學(xué)”展開各種創(chuàng)新創(chuàng)業(yè)，為解決醫(yī)療領(lǐng)域的挑戰(zhàn)提供了新的機(jī)遇，以醫(yī)療大數(shù)據(jù)和應(yīng)用場景驅(qū)動工程技術(shù)創(chuàng)新發(fā)展，推動醫(yī)療行業(yè)技術(shù)革新，拓寬醫(yī)療行業(yè)創(chuàng)新創(chuàng)業(yè)模式，目前已經(jīng)出現(xiàn)了計算機(jī)輔助診斷、智能專家系統(tǒng)、手術(shù)機(jī)器人、智能藥物研發(fā)以及健康管理等多種產(chǎn)品[1]?！吨袊咝?chuàng)

新創(chuàng)業(yè)教育發(fā)展藍(lán)皮書（2017）》指出，新時期的創(chuàng)新創(chuàng)業(yè)教育對于深化高校教育改革、完善人才發(fā)展機(jī)制、支撐“雙創(chuàng)”以及創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略有重要意義[2]。人工智能與大數(shù)據(jù)為醫(yī)療領(lǐng)域創(chuàng)新創(chuàng)業(yè)提供了前所未有的機(jī)遇與挑戰(zhàn)。本文旨在基于大數(shù)據(jù)、人工智能技術(shù)的醫(yī)工科研平臺探討醫(yī)療領(lǐng)域的創(chuàng)新創(chuàng)業(yè)模式。

1? 醫(yī)工大數(shù)據(jù)、人工智能科研平臺功能分析

醫(yī)工大數(shù)據(jù)、人工智能科研平臺，即以醫(yī)工結(jié)合背景出發(fā)，圍繞醫(yī)生科研問題和需求，依托大數(shù)據(jù)、人工智能技術(shù)，建立醫(yī)工聯(lián)合、互助創(chuàng)新的科研平臺。依托此平臺醫(yī)生可以實現(xiàn)病理采集、統(tǒng)計匯總、數(shù)據(jù)發(fā)掘、智能分析、科研成果、指導(dǎo)臨床等應(yīng)用，醫(yī)生與教師之間也可實現(xiàn)之間的數(shù)據(jù)共享，協(xié)同實驗等科研工作。具體功能框架如下圖（圖1）。

醫(yī)工大數(shù)據(jù)、人工智能科研平臺可對醫(yī)院的數(shù)據(jù)進(jìn)行整合，平臺采用云端技術(shù)，相關(guān)服務(wù)全部云端部署，統(tǒng)一云端計算、云端識別、云端決策。依托云端技術(shù)，充分發(fā)揮醫(yī)院的數(shù)據(jù)價值，數(shù)據(jù)處理流程如下圖（圖2）所示。

利用此平臺，可實現(xiàn)臨床與影像數(shù)據(jù)的采集，采用隨訪機(jī)制，以挖掘病例的研究價值。同時，基于大數(shù)據(jù)的多機(jī)構(gòu)協(xié)作模式，實現(xiàn)數(shù)據(jù)共享、協(xié)作，完成科研項目與課題。在數(shù)據(jù)樣本處理方面，實行海量數(shù)據(jù)樣本，支持多數(shù)據(jù)樣本，對大數(shù)據(jù)的挖掘提供保障。為保證信息完整性，對每個科研項目維護(hù)科研量表。對大數(shù)據(jù)進(jìn)行智能化的算法支持，以保證科研人員充分挖掘數(shù)據(jù)價值，加速醫(yī)學(xué)科研成果轉(zhuǎn)化。

2? 醫(yī)工大數(shù)據(jù)、人工智能科研平臺特點

基于云端、互聯(lián)網(wǎng)技術(shù)，實現(xiàn)分布式數(shù)據(jù)錄入方式，降低采集成本。對數(shù)據(jù)進(jìn)行跟蹤管理，實行在線檢驗、清理、核查，縮短研究周期。系統(tǒng)安全性方面，通過設(shè)置不同的權(quán)限等級、電子簽名、稽查痕跡來保證系統(tǒng)的數(shù)據(jù)安全。醫(yī)療信息高度集成，將臨床數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化的研究數(shù)據(jù)，降低研究者負(fù)擔(dān)，按照臨床科研的工作邏輯做系統(tǒng)流程，提高前瞻性研究的質(zhì)量和效率，同時兼容多種臨床研究模式，提升數(shù)據(jù)挖掘和價值轉(zhuǎn)化。為滿足個性化研究的設(shè)計需求，豐富標(biāo)準(zhǔn)化元素庫和表單模板。中心協(xié)同管理通過搭建多中心協(xié)作網(wǎng)絡(luò)，實行遠(yuǎn)程監(jiān)察采樣、遠(yuǎn)程會議審查、遠(yuǎn)程培訓(xùn)。工大數(shù)據(jù)、人工智能科研平臺可分為桌面版、云版，桌面版適合于單個病種的研究;云版適合于多個病種的并行研究，實現(xiàn)云端的大數(shù)據(jù)運(yùn)算。醫(yī)工大數(shù)據(jù)、人工智能科研平臺包括科研項目管理、海量樣本管理、快速標(biāo)記數(shù)據(jù)、在線深度學(xué)習(xí)、模型生成與驗證幾個方面。

（1）科研項目管理

1）支持自定義量表

根據(jù)具體項目或課題進(jìn)一步完善數(shù)據(jù)屬性，根據(jù)課題特征可自由定義具體分析參數(shù)，有針對性的對具有科研價值的數(shù)據(jù)進(jìn)行收集、整理，助力精準(zhǔn)分析科研對象;

2）跨區(qū)域、跨機(jī)構(gòu)協(xié)同科研

支持多機(jī)構(gòu)合作、多項目、多課題數(shù)據(jù)共享，支持分享病例，實現(xiàn)醫(yī)療大數(shù)據(jù)共享;

3）科研數(shù)據(jù)及量表導(dǎo)出

4）支持批量導(dǎo)出科研數(shù)據(jù)及量表，實現(xiàn)線上線下協(xié)同科研。

（2）海量樣本管理

1）數(shù)據(jù)采集

支持?jǐn)?shù)據(jù)批量導(dǎo)入、機(jī)構(gòu)數(shù)據(jù)拖掛、醫(yī)真云全醫(yī)技平臺信息調(diào)用等三種數(shù)據(jù)采集方式，確保信息錄入的方便快捷及準(zhǔn)確;

2）數(shù)據(jù)脫敏處理

支持所有數(shù)據(jù)進(jìn)行脫敏處理，確保數(shù)據(jù)不涉及病人隱私，避免出現(xiàn)隱私泄露情況;

3）數(shù)據(jù)整合

支持醫(yī)技數(shù)據(jù)，電子病歷及臨床數(shù)據(jù)整合，有效增強(qiáng)病人信息的完整性。

（3）快速標(biāo)記數(shù)據(jù)

支持醫(yī)生對醫(yī)療數(shù)據(jù)中的病灶點進(jìn)行快速、高效、準(zhǔn)確地標(biāo)記，實現(xiàn)標(biāo)準(zhǔn)化數(shù)據(jù)質(zhì)量控制，幫助人工智能算法對醫(yī)療數(shù)據(jù)進(jìn)行識別、比對和學(xué)習(xí)，將醫(yī)療各類數(shù)據(jù)進(jìn)行分析，獲取高質(zhì)量有價值的信息。

（4）在線深度學(xué)習(xí)

支持多種開源深度學(xué)習(xí)架構(gòu)，訓(xùn)練過程支持可視化配置，科研工作者從具體課題需求出發(fā)選擇不同的預(yù)處理及訓(xùn)練模型，通過大量高品質(zhì)的醫(yī)技數(shù)據(jù)和診斷數(shù)據(jù)，不斷對深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練以及優(yōu)化，促使其掌握“診斷”及分析能力。

（5）模型生成及驗證

將所有的數(shù)據(jù)自動反復(fù)訓(xùn)練生成疾病“診斷”模型，并對模型進(jìn)行數(shù)據(jù)驗證。在對模型的檢測效率和準(zhǔn)確度兩個方面，采用敏捷開發(fā)模式，不斷迭代最終產(chǎn)生理想的智能決策模型，更高效更精準(zhǔn)地服務(wù)于醫(yī)療工作者。

3? 總結(jié)與展望

依托大數(shù)據(jù)、人工智能技術(shù)的醫(yī)工科研平臺創(chuàng)業(yè)項目，可充分發(fā)揮醫(yī)工融合的“連接器”作用[3-5]，實現(xiàn)科研人員的數(shù)據(jù)共享、簡化科研流程、有效推動科研成果轉(zhuǎn)化。醫(yī)療科研大數(shù)據(jù)平臺為醫(yī)院醫(yī)療數(shù)據(jù)的開發(fā)利用打開了一個新視窗，隨著大數(shù)據(jù)技術(shù)的發(fā)展和數(shù)據(jù)挖掘算法的不斷優(yōu)化，其服務(wù)于科研與臨床的能力進(jìn)一步提升[5-8]。未來是人工智能時代，人工智能技術(shù)的發(fā)展和進(jìn)步給人們的生活帶來了翻天覆地的變化。 因此，高等教育機(jī)構(gòu)也應(yīng)當(dāng)結(jié)合當(dāng)前時代發(fā)展的契機(jī)，抓住時代發(fā)展的機(jī)遇，積極的迎接各種挑戰(zhàn)，培養(yǎng)更多既具有高超工程技術(shù)能力又具有創(chuàng)新創(chuàng)業(yè)能力的優(yōu)秀人才，進(jìn)一步提升我國的科技綜合實力，促進(jìn)國家的發(fā)展和進(jìn)步[9-15]。

參考文獻(xiàn)

[1]韓冬， 李其花， 蔡巍. 等. 人工智能在醫(yī)學(xué)影像中的研究與應(yīng)用[J]. 大數(shù)據(jù)， 2019， 1（4）： 39-41.

[2]李周男， 高占鳳， 徐紅. 高校創(chuàng)新創(chuàng)業(yè)教育與新工科建設(shè)

的框架及其融合[J]. 河北農(nóng)業(yè)大學(xué)學(xué)報（農(nóng)林教育版）， 2018， 20（2）： 9-11.

[3]班嵐， 楊燦. 創(chuàng)新創(chuàng)業(yè)教育視角下的“人工智能+新工科”發(fā)展 模式和路徑研究. 創(chuàng)新創(chuàng)業(yè)理論研究與實踐[J]. 2018， 2（4）： 83-85.

[4]李鵬， 王鑫， 楚宏碩， 等.醫(yī)院信息系統(tǒng)建設(shè)對臨床護(hù)理工作的促進(jìn)作用[J]. 齊魯醫(yī)學(xué)雜志， 2013， 28（6）： 556-558.

[5]李鵬， 楊兆凱， 許慶超， 等. 無紙化病案歸檔系統(tǒng)的研究與應(yīng)用[J]. 中國數(shù)字醫(yī)學(xué)， 2017， 12（2）： 50-52.

[6]宋波， 楊艷利， 馮云霞. 醫(yī)療大數(shù)據(jù)研究進(jìn)展[J]. 轉(zhuǎn)化醫(yī)學(xué)雜志， 2016， 5（5）： 298-300.

[7]羅旭， 劉友江. 醫(yī)療大數(shù)據(jù)研究現(xiàn)狀及其臨床應(yīng)用[J]. 醫(yī)學(xué)信息學(xué)雜志， 2015， 37（5）： 10-14.

[8]趙蓉， 何萍. 醫(yī)療大數(shù)據(jù)應(yīng)用中的個人隱私保護(hù)體系研究[J]. 中國衛(wèi)生信息管理雜志， 2016， 13（2）： 191-195.

[9]蔣勛， 劉喜文. 大數(shù)據(jù)環(huán)境下面向知識服務(wù)的數(shù)據(jù)清洗研究[J]. 圖書與情報， 2013， 32（5）： 16-21.

[10]張敬誼. 面向醫(yī)療領(lǐng)域的大數(shù)據(jù)應(yīng)用系統(tǒng)研究[J]. 信息技術(shù)與標(biāo)準(zhǔn)化， 2016， 37（7）： 33-37.

[11]黃尤江， 賀蓮， 蘇煥群， 等. 醫(yī)療大數(shù)據(jù)的應(yīng)用及其隱私保護(hù)[J]. 中華醫(yī)學(xué)圖書情報雜志， 2015， 25（9）： 43-45.

[12]李偉， 劉光明， 張真發(fā). 基于 Mongo DB數(shù)據(jù)庫的臨床醫(yī)療大數(shù)據(jù)存儲方案設(shè)計與優(yōu)化[J]. 工業(yè)控制計算機(jī)， 2016， 29（1）： 121-123.

[13]李建中， 劉顯敏. 大數(shù)據(jù)的一個重要方面： 數(shù)據(jù)可用性析[J]. 計算機(jī)研究與發(fā)展， 2013， 56（6）： 1147-1162.

[14]夏海元. 面向Big Data的數(shù)據(jù)處理技術(shù)概述[J]. 數(shù)字技術(shù)與應(yīng)用， 2012， 30（3）： 179-180.

[15]王昊. 基于大數(shù)據(jù)背景下的高校實驗室研究[J]. 軟件， 2019， 40（4）： 198-199.

[16]劉義芳， 吳志東， 探索“互聯(lián)網(wǎng)+”對醫(yī)院信息系統(tǒng)安全的挑戰(zhàn)與對策[J]. 軟件， 2018， 39（9）： 204-205.