Entwicklung eines künstlichen Intelligenzsystems zur intelligenten pathologischen Diagnose und therapeutischen Wirkungsvorhersage basierend auf multimodaler Datenfusion von häufigen Tumoren und großen Infektionskrankheiten im Atmungssystem unter Verwendung von Deep-Learning-Technologie.

Die Hauptziele sind wie folgt:

1. Aufbau einer medizinischen Big-Data-Plattform für die multimodale Informationsfusion von häufigen Tumoren und großen Infektionskrankheiten (Lungenkrebs/Lungenknoten, Tuberkulose und COVID-19) auf der Grundlage der bestehenden pathologischen Bildmerkmale und der klinischen Multi-Omics-Informationsdatenbank: The medizinische Big-Data-Plattform unterstützt die Erfassung der klinischen elektronischen Krankenakten des Patienten (einschließlich routinemäßiger klinischer Erkennung), Vollansicht des digitalen Abschnitts pathologischer Bilddaten, medizinischer Bildgebung (CT, MRT, Ultraschall, Nuklearmedizin usw.), multipler Omics-Daten ( Genom, Transkriptom und Metabolom, Proteomik) Omics-Daten, Ätiologie, Pathologie und zugehörige grafische Datenberichte und multimodale medizinische Behandlungsdaten. Unser Ziel ist es, die Speicherung, gemeinsame Nutzung, das Fusion Computing, den Datenschutz und die Sicherheitsüberwachung von multimodalen und skalenübergreifenden biomedizinischen Big Data zu realisieren. Unsere Arbeit wird wichtige Geschäftsprozesse und Verbindungen über Regionen, Krankenhäuser, zwischen verschiedenen Endgeräten, zwischen Krankenhäusern und Ärzten und zwischen Abteilungen öffnen, um eine kontinuierliche Datenakkumulation und Wissenspräzipitation in Krankenhäusern zu fördern und die medizinische Zusammenarbeit zu fördern.
2. Erstellung einer multimodalen Informationsfusionsdatenbank mit pathologischen Merkmalen, Bildgebungsmerkmalen, Multiomik (pathologisch, genomisch, Transkriptom, Metabolom, Proteomik usw.) und klinischen Informationen von Patienten in verschiedenen Stadien von Lungenkrebs/Lungenknötchen, Tuberkulose und COVID 19. Der Datenbankumfang umfasst multimodale Daten von mindestens 600 Lungenkrebs-/Lungenknötchen-, 200 Tuberkulose- und 200 COVID-19-Patienten. Darüber hinaus werden mehr als 10 Biomarker, die in signifikantem Zusammenhang mit der Diagnose und Behandlung von Patienten mit Lungenkrebs/Lungenknötchen, Tuberkulose und COVID-19 stehen, durch Assoziationsanalysen ausgegraben, die Parameter für die Konstruktion von Modellen mit künstlicher Intelligenz liefern.
3. Wir werden die Technologie der künstlichen Intelligenz nutzen, um die multimodale medizinische Big-Data-Kreuzanalysetechnologie und die oben genannten krankheitsindividualisierten genauen Diagnose- und Heilungswirkungsvorhersagemodelle zu erstellen. Um die drei Hauptprobleme des multimodalen Data Fusion Mining zu lösen, wie z. B. unausgeglichene, kleine Stichprobengröße und schlechte Interpretierbarkeit, werden wir einen Erkennungsalgorithmus für künstliche Intelligenz für Bildbilder und pathologische Bilder etablieren und Bildverarbeitung und Deep Learning verwenden Technologien zur Gewinnung mehrstufiger visueller Tiefenmerkmale von Bilddaten und pathologischen Daten. Darüber hinaus werden wir bioinformatische Analysealgorithmen verwenden, um molekulares Netzwerk-Mining und funktionelle Analysen molekularer Marker auf der Ebene mehrerer Omics-Technologien (pathologisch, genomisch, Transkriptom, Metabolom, Proteom usw.) durchzuführen.