Développement d'un système d'intelligence artificielle pour le diagnostic pathologique intelligent et la prédiction des effets thérapeutiques basé sur la fusion de données multimodales de tumeurs communes et de maladies infectieuses majeures dans le système respiratoire à l'aide de la technologie d'apprentissage en profondeur.

Les principaux objectifs sont les suivants :

1. Établir une plate-forme de mégadonnées médicales pour la fusion d'informations multimodales sur les tumeurs courantes et les principales maladies infectieuses (cancer du poumon/nodules pulmonaires, tuberculose et COVID-19) sur la base des caractéristiques d'images pathologiques existantes et de la base de données d'informations cliniques multi-omiques : La plate-forme de données médicales massives prend en charge l'acquisition des dossiers médicaux électroniques cliniques du patient (y compris la détection clinique de routine), la section numérique complète des données d'images pathologiques, l'imagerie médicale (CT, IRM, échographie, médecine nucléaire, etc.), les données omiques multiples ( génome, transcriptome et métabolome, protéomique) données omiques, étiologie, pathologie et rapports de données graphiques associés et données de traitement médical multimodal. Notre objectif est de réaliser le stockage, le partage, l'informatique de fusion, la protection de la vie privée et la supervision de la sécurité des mégadonnées biomédicales multimodales et inter-échelles. Notre travail ouvrira des processus commerciaux clés et des liens entre les régions, entre les hôpitaux, entre les différents terminaux, entre les hôpitaux et les médecins et entre les départements, afin de promouvoir l'accumulation continue de données et la précipitation des connaissances dans les hôpitaux et de promouvoir la collaboration médicale.
2. Créer une base de données de fusion d'informations multimodales avec des caractéristiques pathologiques, des caractéristiques d'imagerie, des multi-omiques (pathologique, génomique, transcriptome, métabolome, protéomique, etc.) et des informations cliniques sur des patients à différents stades du cancer du poumon/nodules pulmonaires, de la tuberculose et COVID 19. L'échelle de base de données comprend des données multimodales d'au moins 600 cancers du poumon/nodules pulmonaires, 200 tuberculoses et 200 patients atteints de COVID-19. De plus, plus de 10 biomarqueurs significativement liés au diagnostic et au traitement des patients atteints de cancer du poumon/nodules pulmonaires, de tuberculose et de COVID-19 ont été découverts grâce à une analyse d'association, fournissant des paramètres pour la construction de modèles d'intelligence artificielle.
3. Nous utiliserons la technologie de l'intelligence artificielle pour créer la technologie d'analyse croisée des mégadonnées médicales multimodales et les modèles de diagnostic précis individualisés et de prédiction des effets curatifs ci-dessus. Afin de résoudre les trois problèmes clés de l'exploration de données par fusion multimodale, tels que le déséquilibre, la petite taille d'échantillon et la mauvaise interprétabilité, nous établirons un algorithme de reconnaissance d'intelligence ARTIFICIELLE pour les images d'images et les images pathologiques, et utiliserons le traitement d'images et l'apprentissage en profondeur. technologies pour exploiter les caractéristiques visuelles de profondeur à plusieurs niveaux des données d'image et des données pathologiques. De plus, nous utiliserons des algorithmes d'analyse bioinformatique pour mener une exploration de réseaux moléculaires et une analyse fonctionnelle de marqueurs moléculaires au niveau de multiples technologies omiques (pathologique, génomique, transcriptome, métabolome, protéome, etc.).