Utvikling og demonstrasjon av intelligent vurdering basert på multimodal informasjonsfusjon for tumorrisiko og diagnose og behandling

Hovedmålene er som følger:

1. Å etablere en dataplattform for multimodal informasjon om vanlige svulster (lungekreft/lungeknuter, mage- og tykktarmskreft): elektroniske journaler (inkludert rutinemessig klinisk påvisning, behandling, utfall), patologiske bildedata, medisinsk bildebehandling (CT, MR). , ultralyd, nukleærmedisin, etc.), flere omics-data (genom, transkriptom og metabolom, proteomikk) omics-data, etiologi og informasjon om kreftfremkallende eksponering.
2. Vi vil bruke kunstig intelligens-teknologi for å lage den multimodale medisinske big data-kryssanalyseteknologien og de ovennevnte sykdomsindividualiserte modellene for nøyaktig diagnose og kurativ effektprediksjon. For å løse de tre nøkkelproblemene ved multimodal datafusjonsutvinning, som ubalansert, liten prøvestørrelse og dårlig tolkbarhet, vil vi etablere en gjenkjenningsalgoritme for kunstig intelligens for bildebilder og patologiske bilder, og bruke bildebehandling og dyp læring teknologier for å utvinne dybdevisuelle trekk ved bildedata og patologiske data på flere nivåer. I tillegg vil vi bruke bioinformatikkanalysealgoritmer for å utføre molekylær nettverksutvinning og funksjonell analyse av molekylære markører på nivå med flere omics-teknologier (patologisk, genomisk, transkriptom, metabolom, proteom, etc.).