Ontwikkeling van een kunstmatige-intelligentiesysteem voor intelligente pathologische diagnose en voorspelling van therapeutische effecten op basis van multimodale gegevensfusie van veel voorkomende tumoren en belangrijke infectieziekten in het ademhalingssysteem met behulp van deep learning-technologie.

De hoofddoelen zijn als volgt:

1. Een medisch big data-platform opzetten voor multimodale informatiefusie van veel voorkomende tumoren en belangrijke infectieziekten (longkanker/longknobbeltjes, tuberculose en COVID-19) op basis van de bestaande pathologische beeldkenmerken en klinische multi-omics informatiedatabase: medisch big data-platform ondersteunt de verwerving van de klinische elektronische medische dossiers van de patiënt (inclusief routinematige klinische detectie), volledige digitale sectie van pathologische beeldgegevens, medische beeldvorming (CT, MRI, echografie, nucleaire geneeskunde, enz.), meerdere omics-gegevens ( genoom, transcriptoom en metaboloom, proteomics) omics-gegevens, etiologie, pathologie en bijbehorende grafische gegevensrapporten en multimodale medische behandelingsgegevens. We streven naar het realiseren van de opslag, het delen, fusion computing, privacybescherming en veiligheidstoezicht van multimodale en cross-scale biomedische big data. Ons werk zal belangrijke bedrijfsprocessen en koppelingen openen tussen regio's, tussen ziekenhuizen, tussen verschillende terminals, tussen ziekenhuizen en artsen, en tussen afdelingen, om zo de continue accumulatie van gegevens en kennisprecipitatie in ziekenhuizen te bevorderen en medische samenwerking te bevorderen.
2. Een multimodale informatiefusiedatabase creëren met pathologische kenmerken, beeldvormende kenmerken, multi-omics (pathologisch, genomisch, transcriptoom, metaboloom, proteomics, enz.) en klinische informatie van patiënten in verschillende stadia van longkanker/longknobbeltjes, tuberculose en COVID 19. De databaseschaal bevat multimodale gegevens van ten minste 600 longkanker/longknobbeltjes, 200 tuberculose- en 200 COVID-19-patiënten. Bovendien zullen er meer dan 10 biomarkers zijn die significant verband houden met de diagnose en behandeling van patiënten met longkanker/longknobbeltjes, tuberculose en COVID-19 die werden opgegraven door middel van associatieanalyse, wat parameters opleverde voor de constructie van kunstmatige-intelligentiemodellen.
3. We zullen gebruik maken van kunstmatige-intelligentietechnologie om de multimodale medische big data cross-analysetechnologie en de bovenstaande ziekte-geïndividualiseerde nauwkeurige diagnose- en curatieve effectvoorspellingsmodellen te creëren. Om de drie belangrijkste problemen van multimodale datafusie-mining op te lossen, zoals onevenwichtige, kleine steekproefomvang en slechte interpreteerbaarheid, zullen we een KUNSTMATIG intelligentieherkenningsalgoritme opzetten voor beeldbeelden en pathologische beelden, en gebruik maken van beeldverwerking en diep leren technologieën om visuele dieptekenmerken op meerdere niveaus van beeldgegevens en pathologische gegevens te ontginnen. Daarnaast zullen we algoritmen voor bioinformatica-analyse gebruiken om moleculaire netwerkmining en functionele analyse van moleculaire markers uit te voeren op het niveau van meerdere omics-technologieën (pathologisch, genomisch, transcriptoom, metaboloom, proteoom, enz.).