2024年醫(yī)院新興技術(shù)創(chuàng)新應(yīng)用典型案例征集活動經(jīng)行業(yè)專家背靠背盲審以及終審，共選出20篇典型案例，將陸續(xù)刊登出來，以饗讀者。

1 項目簡介

　　隨著人工智能技術(shù)與醫(yī)療領(lǐng)域的不斷融合發(fā)展，醫(yī)學(xué)影像AI得到了廣泛的應(yīng)用，但目前仍以肺結(jié)節(jié)、心腦血管等單病種為主，與臨床多病種AI的實際需求相差甚遠(yuǎn)。多病種AI的應(yīng)用又會帶來影像設(shè)備端口、IP、PACS系統(tǒng)吞吐接入資源不足、網(wǎng)絡(luò)安全接入、應(yīng)用調(diào)取協(xié)同及影像大文件重復(fù)存儲等諸多問題。為解決這些AI應(yīng)用、管理難題，并將影像AI與大數(shù)據(jù)技術(shù)融合，構(gòu)建臨床與科研的多模態(tài)數(shù)據(jù)基礎(chǔ)平臺，助力醫(yī)生開展AI科研，鄭州大學(xué)第一附屬醫(yī)院(簡稱“鄭大一附院”)結(jié)合自身的特點與基礎(chǔ)，進行了基于大數(shù)據(jù)與人工智能的醫(yī)學(xué)影像數(shù)智化應(yīng)用科研管理一體化平臺的建設(shè)實踐。

2 建設(shè)與開發(fā)

　　鄭大一附院的醫(yī)學(xué)影像數(shù)智化應(yīng)用科研管理一體化平臺整體采用分布式計算架構(gòu)，基于K8S容器化部署，保證系統(tǒng)的穩(wěn)定、快速適配與擴容能力。其中，影像數(shù)據(jù)管理系統(tǒng)用于實現(xiàn)多院區(qū)、多設(shè)備影像文件與AI服務(wù)的統(tǒng)一管理，并集成多款影像AI引擎，滿足臨床多病種診斷需要，在此基礎(chǔ)上構(gòu)建具有影像結(jié)構(gòu)化數(shù)據(jù)的智能多模態(tài)數(shù)據(jù)庫以及影像智能科研平臺，打造智慧醫(yī)院AI應(yīng)用、科研與成果轉(zhuǎn)化的重要引擎，不斷提升醫(yī)療服務(wù)能力和診療效率，構(gòu)建數(shù)字化科研基礎(chǔ)，提高醫(yī)院科研水平，提升成果轉(zhuǎn)化能力，最終形成基于大數(shù)據(jù)和人工智能技術(shù)的，面向醫(yī)學(xué)影像數(shù)智化應(yīng)用、科研、管理場景的一體化的完整可靠的解決方案。

圖1 應(yīng)用場景圖

3 關(guān)鍵技術(shù)或產(chǎn)品描述

　　(1)關(guān)鍵技術(shù)

　　平臺采用了多種先進技術(shù)，以確保數(shù)據(jù)處理的高效性和準(zhǔn)確性。基于Hadoop技術(shù)體系，為臨床數(shù)據(jù)提供分布式存儲和計算資源，支持自然語言處理、深度學(xué)習(xí)等分析任務(wù)。利用Spark和Presto作為核心計算引擎，結(jié)合HDFS和Hive，平臺能夠處理大規(guī)模數(shù)據(jù)集，并實現(xiàn)實時數(shù)據(jù)分析。此外，采用基于容器的微服務(wù)架構(gòu)Kubernetes，提升了大規(guī)模容器集群管理的效率和靈活性。平臺還整合了多源異構(gòu)數(shù)據(jù)處理技術(shù)，以快速識別和整合不同數(shù)據(jù)表之間的關(guān)聯(lián)，實現(xiàn)數(shù)據(jù)整合。醫(yī)學(xué)影像處理技術(shù)的應(yīng)用，使得平臺能夠精確識別病灶并提取關(guān)鍵影像信息。自然語言處理技術(shù)的應(yīng)用，則使得非結(jié)構(gòu)化的醫(yī)療文本數(shù)據(jù)得到有效整合和分析，為臨床決策和科研工作提供了有力支持。

　　(2)產(chǎn)品描述

　　1)智能影像數(shù)據(jù)管理系統(tǒng)

　　通過數(shù)據(jù)治理、自然語言處理與計算機視覺的大數(shù)據(jù)、AI與IT技術(shù)融合，進行影像數(shù)據(jù)的采集、存儲、AI集成、影像數(shù)據(jù)資產(chǎn)化、算力監(jiān)控，同時還能多院區(qū)互聯(lián)，最終實現(xiàn)醫(yī)學(xué)影像的“存、傳、算、用、管”一體化。

圖2 智能影像數(shù)據(jù)管理系統(tǒng)

　　2)多病種醫(yī)學(xué)影像智能輔診應(yīng)用

　　在影像智能應(yīng)用方面，大量采用行業(yè)領(lǐng)先的計算機視覺技術(shù)，除了常見的肺結(jié)節(jié)、冠脈AI，我們還集成了靶重建、肋骨、腹部、頭頸、下肢血管與骨密度總共8種影像AI應(yīng)用，其中4種達到醫(yī)療器械三類證水平也是國內(nèi)最高水平。

圖3 多病種醫(yī)學(xué)影像智能輔診應(yīng)用

　　平臺還設(shè)計上考慮了擴展能力，可兼容不同廠家、不同專科、不同專病的AI產(chǎn)品。

　　3)智能多模態(tài)專病數(shù)據(jù)系統(tǒng)

　　在智能多模態(tài)專病數(shù)據(jù)庫方面，我們創(chuàng)造性的采用自然語言處理與計算機視覺的雙AI技術(shù)參與多模態(tài)數(shù)據(jù)治理與呈現(xiàn)，構(gòu)建集成多模態(tài)數(shù)據(jù)的資產(chǎn)平臺。

圖4 智能多模態(tài)專病數(shù)據(jù)系統(tǒng)

　　平臺涵蓋了數(shù)據(jù)管理、數(shù)據(jù)搜索、數(shù)據(jù)科研的全流程，全面滿足醫(yī)生回顧性、前瞻性、多中心科研的需要。

　　4)智能多模態(tài)數(shù)據(jù)科研系統(tǒng)

　　最后，我們構(gòu)建了一站式無需編碼的人工智能分析系統(tǒng)，預(yù)置了多種機器學(xué)習(xí)、深度學(xué)習(xí)模型。可以深度挖掘數(shù)據(jù)價值，獲取最前沿的數(shù)據(jù)分析結(jié)果。

圖5 智能多模態(tài)數(shù)據(jù)科研系統(tǒng)

　　該系統(tǒng)是融合多模態(tài)數(shù)據(jù)收集、標(biāo)注、特征提取、模型構(gòu)建及評價的智能化工具，可以全面提升臨床科研效率與質(zhì)量，其中首創(chuàng)引入大模型標(biāo)注，能夠通過圖像專用大模型對各種醫(yī)學(xué)圖像進行自動化的分割標(biāo)注。

4 應(yīng)用效果

　　(1)實現(xiàn)多院區(qū)AI系統(tǒng)統(tǒng)一納管及提升業(yè)務(wù)系統(tǒng)運行效率

　　一體化平臺中智能影像數(shù)據(jù)管理中臺實現(xiàn)了影像AI系統(tǒng)統(tǒng)一接入管理，將多病種AI系統(tǒng)的重復(fù)對接，優(yōu)化為中臺統(tǒng)一對接管理、不同模態(tài)數(shù)據(jù)智能分發(fā)機制。不僅實現(xiàn)了多院區(qū)AI系統(tǒng)統(tǒng)一部署、統(tǒng)一使用、統(tǒng)一調(diào)度及智能監(jiān)控，還減小了對醫(yī)院PACS系統(tǒng)、影像設(shè)備、網(wǎng)絡(luò)的資源壓力，提升現(xiàn)有業(yè)務(wù)系統(tǒng)運行效率。

圖6 多病種AI統(tǒng)一管理

圖7 多病種AI應(yīng)用實時監(jiān)控

　　(2)構(gòu)建文本及影像數(shù)據(jù)融合的多模態(tài)專病數(shù)據(jù)平臺

　　將多模態(tài)、全周期的數(shù)據(jù)在一個專病數(shù)據(jù)平臺中實現(xiàn)集成，打破原有信息化系統(tǒng)的界限，科研項目可以低成本使用到全維度數(shù)據(jù)。并拋棄“先有科研項目后做數(shù)據(jù)抽取”的傳統(tǒng)思路，前置進行臨床數(shù)據(jù)的精細(xì)化提取，充分挖掘臨床數(shù)據(jù)的信息。基于人工智能算法，對文本數(shù)據(jù)和影像數(shù)據(jù)構(gòu)建了人工智能信息提取模型以替代人工數(shù)據(jù)提取，實現(xiàn)科研數(shù)據(jù)制備效率的全面躍升。

圖8 專病數(shù)據(jù)平臺數(shù)據(jù)駕駛艙

圖9 患者全周期多模態(tài)數(shù)據(jù)融合

　　(3)增強科研創(chuàng)新能力

　　針對臨床研究與應(yīng)用的復(fù)雜場景，一體化平臺提供了“一站式”影像智能化科研服務(wù)。將數(shù)據(jù)處理、模型訓(xùn)練、分析決策等環(huán)節(jié)的關(guān)鍵技術(shù)進行流程化、簡單化、普適化處理，使臨床醫(yī)生擁有屬于自己的數(shù)據(jù)制備能力、建模訓(xùn)練能力、知識構(gòu)建能力、分析決策能力，以滿足其自主化、個性化的臨床研究與應(yīng)用需求。

圖10 “一站式”影像智能化科研

圖11 內(nèi)置多種算法模型

　　(4)覆蓋多個院區(qū)

　　醫(yī)學(xué)影像數(shù)智化應(yīng)用科研管理一體化平臺不只局限于單一醫(yī)療機構(gòu)，而是能夠橫跨多個地理位置分散的醫(yī)療機構(gòu)，實現(xiàn)跨地域、跨院區(qū)間的數(shù)據(jù)互聯(lián)互通與資源共享。系統(tǒng)平臺目前已覆蓋了鄭州大學(xué)第一附屬醫(yī)院的全部院區(qū)，包括未來新建院區(qū)。

圖12 多院區(qū)覆蓋

5 項目成果產(chǎn)出

　　自系統(tǒng)正式上線至今，一體化平臺已完成超過35萬人次影像數(shù)據(jù)的統(tǒng)一接收、管理及調(diào)度，有效的緩解了PACS系統(tǒng)的運行壓力。影像檢查業(yè)務(wù)量與之前相比增加了20%。平臺已完成超過1.3萬例患者，20萬人次診療數(shù)據(jù)的清洗、治理等工作，全維度數(shù)據(jù)治理工作量從年級別壓縮到月級別。平臺已開設(shè)近60個科研服務(wù)賬號，同時支撐了超過20個科研項目，單個科研項目時長也由原來的10-20個月縮短到6個月之內(nèi)。

　　(1)項目建設(shè)方案榮獲“第六屆全國智慧醫(yī)療創(chuàng)新大賽一等獎”。

　　(2)基于系統(tǒng)平臺開展的“基于多維度功能CT消化系統(tǒng)疾病及并發(fā)癥精準(zhǔn)診斷技術(shù)創(chuàng)新與應(yīng)用”研究，榮獲“2023年度河南省科學(xué)技術(shù)進步一等獎”。

　　(3)在系統(tǒng)平臺支持下，已發(fā)表研究成果4篇，投稿中3篇。

6 總結(jié)

　　本項目積極響應(yīng)國家智慧醫(yī)療戰(zhàn)略導(dǎo)向，精準(zhǔn)把握政策脈絡(luò)與市場需求，具有廣闊發(fā)展前景。得益于大數(shù)據(jù)與人工智能技術(shù)的深度融合，醫(yī)學(xué)影像的深度分析與精準(zhǔn)診療能力得以顯著提升，有力推動醫(yī)療服務(wù)質(zhì)量改善與個性化治療實現(xiàn)。通過跨學(xué)科深度合作，科研創(chuàng)新成果得以加速轉(zhuǎn)化，將多領(lǐng)域知識創(chuàng)新切實應(yīng)用于醫(yī)療臨床實踐。

　　在創(chuàng)新點上，我們總結(jié)了四個方面的創(chuàng)新：管理上，創(chuàng)新運用多院區(qū)、多AI、影像存儲的統(tǒng)一部署、使用、監(jiān)控的管理模式，不但提升管理效率，節(jié)約IP與存儲資源，同時更保障了醫(yī)療器械安全接入；技術(shù)上，將數(shù)據(jù)、智能與IT融合，推進醫(yī)工交叉融合創(chuàng)新，進一步挖掘了醫(yī)療資源的價值，為后續(xù)數(shù)據(jù)要素運營構(gòu)建基座；應(yīng)用上，我們首創(chuàng)了實現(xiàn)影像數(shù)據(jù)存儲、分發(fā)、管理、多AI輔診，多模態(tài)數(shù)據(jù)集成、科研平臺的“一站式”應(yīng)用融合；同時，實現(xiàn)影像AI在診斷、數(shù)據(jù)結(jié)構(gòu)化、科研自動標(biāo)注的多場景應(yīng)用創(chuàng)新。最后，通過平臺形成了一種適合未來發(fā)展趨勢的、從臨床AI應(yīng)用到多模態(tài)數(shù)據(jù)積累再到數(shù)據(jù)科研及成果轉(zhuǎn)化，包括可支持后續(xù)新技術(shù)發(fā)展的范式創(chuàng)新。

　　然而，該項目亦面臨技術(shù)與人才雙重挑戰(zhàn)：技術(shù)層面，需深入研究并掌握AI技術(shù)、大數(shù)據(jù)處理技術(shù)、IT技術(shù)以及醫(yī)學(xué)臨床知識的交叉融合與轉(zhuǎn)化應(yīng)用，如大模型技術(shù)，以適應(yīng)醫(yī)療數(shù)據(jù)的持續(xù)增長與變化；人才層面，需構(gòu)建一支同時具備AI研發(fā)實力與醫(yī)療專業(yè)背景的團隊，確保AI應(yīng)用高效精準(zhǔn)對接醫(yī)療實際需求，為項目成功提供堅實保障。

　　申報單位：

　　鄭州大學(xué)第一附屬醫(yī)院

　　聯(lián)合申報單位：

　　杭州深睿博聯(lián)科技有限公司

　　案例賽道：

　　應(yīng)用場景與技術(shù)創(chuàng)新

　　案例業(yè)務(wù)領(lǐng)域：

　　臨床應(yīng)用