Tekoälyjärjestelmän kehittäminen älykkään patologisen diagnoosin ja terapeuttisten vaikutusten ennustamiseen, joka perustuu hengityselinten yleisten kasvainten ja vakavien tartuntatautien multimodaaliseen fuusioimiseen Deep Learning -teknologian avulla.

Päätavoitteet ovat seuraavat:

1. Lääketieteellisen big data-alustan perustaminen yleisten kasvainten ja merkittävien tartuntatautien (keuhkosyöpä/keuhkokyhmyt, tuberkuloosi ja COVID-19) multimodaaliseen tiedon yhdistämiseen olemassa olevien patologisten kuvaominaisuuksien ja kliinisen multiomiikkatietokannan perusteella: lääketieteellinen big data -alusta tukee potilaan kliinisten sähköisten potilastietojen hankintaa (mukaan lukien rutiinikliininen havaitseminen), patologisten kuvatietojen digitaalisen osan, lääketieteellisen kuvantamisen (CT, MRI, ultraääni, isotooppilääketiede jne.), useiden omikkitietojen hankkimista ( genomi-, transkriptio- ja metabolomi-, proteomiikka) omiikkatiedot, etiologia, patologia ja niihin liittyvät graafiset dataraportit ja multimodaaliset lääketieteelliset hoitotiedot. Pyrimme toteuttamaan multimodaalisen ja poikkimittaisen biolääketieteellisen big datan tallennuksen, jakamisen, fuusiolaskennan, yksityisyyden suojan ja turvallisuusvalvonnan. Työmme avaa keskeisiä liiketoimintaprosesseja ja yhteyksiä alueiden, sairaaloiden, eri terminaalien välillä, sairaaloiden ja lääkäreiden välillä sekä osastojen välillä edistääksemme jatkuvaa tiedon keräämistä ja tiedon keruua sairaaloissa sekä lääketieteellistä yhteistyötä.
2. Luoda multimodaalinen tietofuusiotietokanta, joka sisältää patologisia piirteitä, kuvantamisominaisuuksia, multiomiikkaa (patologinen, genominen, transkripti, metabolomi, proteomiikka jne.) ja kliinistä tietoa potilaista keuhkosyövän/keuhkokyhmyjen, tuberkuloosin ja tuberkuloosin eri vaiheissa. COVID 19. Tietokantamittakaava sisältää multimodaalisia tietoja vähintään 600 keuhkosyövästä/keuhkokyhmystä, 200 tuberkuloosista ja 200 COVID-19-potilaasta. Lisäksi tulee olemaan yli 10 biomarkkeria, jotka liittyvät merkittävästi keuhkosyövän/keuhkosyövän, tuberkuloosin ja COVID-19-potilaiden diagnosointiin ja hoitoon assosiaatioanalyysin avulla, mikä tarjoaa parametreja tekoälymallin rakentamiseen.
3. Hyödynnämme tekoälyteknologiaa multimodaalisen lääketieteellisen big datan ristiinanalyysiteknologian ja edellä mainittujen sairauksien yksilöllisten tarkan diagnoosin ja parantavien vaikutusten ennustusmallien luomiseksi. Ratkaistaksemme multimodaalisen datafuusiolouhinnan kolme keskeistä ongelmaa, kuten epätasapainoinen, pieni otoskoko ja huono tulkitavuus, perustamme KEKOälyn tunnistusalgoritmin kuvakuville ja patologisille kuville sekä käytämme kuvankäsittelyä ja syväoppimista. teknologiat kuvatietojen ja patologisten tietojen monitasoisten syvyysvisuaalisten piirteiden louhimiseen. Lisäksi käytämme bioinformatiikan analyysialgoritmeja molekyyliverkoston louhintaan ja molekyylimarkkerien funktionaaliseen analyysiin useiden omiikkatekniikoiden tasolla (patologinen, genominen, transkripti, metabolomi, proteomi jne.).