Desarrollo de un Sistema de Inteligencia Artificial para el Diagnóstico Patológico Inteligente y Predicción de Efectos Terapéuticos Basado en Fusión de Datos Multimodales de Tumores Comunes y Principales Enfermedades Infecciosas en el Sistema Respiratorio Utilizando Tecnología de Aprendizaje Profundo.

Los objetivos principales son los siguientes:

1. Establecer una plataforma de big data médica para la fusión de información multimodal de tumores comunes y enfermedades infecciosas importantes (cáncer de pulmón/nódulos pulmonares, tuberculosis y COVID-19) basada en las características de imágenes patológicas existentes y la base de datos de información clínica multiómica: El La plataforma de big data médica admite la adquisición de registros médicos electrónicos clínicos del paciente (incluida la detección clínica de rutina), sección digital de vista completa de datos de imágenes patológicas, imágenes médicas (CT, MRI, ultrasonido, medicina nuclear, etc.), datos ómicos múltiples ( genoma, transcriptoma y metaboloma, proteómica), datos ómicos, etiología, patología e informes de datos gráficos asociados y datos de tratamiento médico multimodal. Nuestro objetivo es realizar el almacenamiento, el intercambio, la computación de fusión, la protección de la privacidad y la supervisión de seguridad de los grandes datos biomédicos multimodales y de escala cruzada. Nuestro trabajo abrirá procesos comerciales clave y enlaces entre regiones, entre hospitales, entre diferentes terminales, entre hospitales y médicos, y entre departamentos, para promover la acumulación continua de datos y la precipitación del conocimiento en los hospitales y promover la colaboración médica.
2. Crear una base de datos de fusión de información multimodal con características patológicas, características de imágenes, multiómica (patológica, genómica, transcriptoma, metaboloma, proteómica, etc.) e información clínica de pacientes en diferentes etapas de cáncer de pulmón/nódulos pulmonares, tuberculosis y COVID-19. La escala de la base de datos incluye datos multimodales de al menos 600 pacientes con cáncer de pulmón/nódulos pulmonares, 200 con tuberculosis y 200 con COVID-19. Además, se excavaron más de 10 biomarcadores significativamente relacionados con el diagnóstico y tratamiento de pacientes con cáncer de pulmón/nódulos pulmonares, tuberculosis y COVID-19 a través del análisis de asociación, proporcionando parámetros para la construcción de modelos de inteligencia artificial.
3. Haremos uso de la tecnología de inteligencia artificial para crear la tecnología de análisis cruzado de grandes datos médicos multimodales y los modelos de predicción del efecto curativo y el diagnóstico preciso individualizado de la enfermedad anterior. Con el fin de resolver los tres problemas clave de la minería de fusión de datos multimodal, como el tamaño de muestra pequeño y desequilibrado y la mala interpretabilidad, estableceremos un algoritmo de reconocimiento de inteligencia ARTIFICIAL para imágenes e imágenes patológicas, y utilizaremos el procesamiento de imágenes y el aprendizaje profundo. tecnologías para extraer características visuales de profundidad multinivel de datos de imágenes y datos patológicos. Además, utilizaremos algoritmos de análisis bioinformáticos para realizar minería de redes moleculares y análisis funcional de marcadores moleculares a nivel de múltiples tecnologías ómicas (patológica, genómica, transcriptoma, metaboloma, proteoma, etc.).