Udvikling og demonstration af intelligent vurdering baseret på multimodal informationsfusion til tumorrisiko og diagnose og behandling

Hovedmålene er som følger:

1. At etablere en dataplatform for multimodal information om almindelige tumorer (lungecancer/lungeknuder, mave- og tyktarmskræft): elektroniske lægejournaler (inklusive rutinemæssig klinisk påvisning, behandling, udfald), patologiske billeddata, medicinsk billeddannelse (CT, MR , ultralyd, nuklearmedicin osv.), flere omics-data (genom, transkriptom og metabolom, proteomics) omics-data, ætiologi og kræftfremkaldende eksponeringsoplysninger.
2. Vi vil gøre brug af kunstig intelligens-teknologi til at skabe den multimodale medicinske big data-krydsanalyseteknologi og ovennævnte sygdomsindividualiserede nøjagtige diagnose og forudsigelsesmodeller for helbredende effekt. For at løse de tre nøgleproblemer ved multimodal datafusion mining, såsom ubalanceret, lille prøvestørrelse og dårlig fortolkning, vil vi etablere en kunstig intelligens-genkendelsesalgoritme for billedbilleder og patologiske billeder og bruge billedbehandling og dyb læring teknologier til at udvinde visuelle træk på flere niveauer af billeddata og patologiske data. Derudover vil vi bruge bioinformatikanalysealgoritmer til at udføre molekylær netværksmining og funktionel analyse af molekylære markører på niveauet af flere omics-teknologier (patologisk, genomisk, transkriptom, metabolom, proteom osv.).