Opracowanie systemu sztucznej inteligencji do inteligentnej diagnostyki patologicznej i przewidywania efektów terapeutycznych w oparciu o multimodalną fuzję danych o typowych nowotworach i głównych chorobach zakaźnych układu oddechowego z wykorzystaniem technologii głębokiego uczenia.

Główne cele są następujące:

1. Stworzenie medycznej platformy dużych zbiorów danych do multimodalnego łączenia informacji o powszechnych nowotworach i głównych chorobach zakaźnych (rak płuc/guzki płuc, gruźlica i COVID-19) w oparciu o istniejące cechy obrazu patologicznego i kliniczną wieloomiczną bazę danych: medyczna platforma big data obsługuje pozyskiwanie klinicznej elektronicznej dokumentacji medycznej pacjenta (w tym rutynowe wykrywanie kliniczne), pełny widok cyfrowej sekcji patologicznych danych obrazowych, obrazowanie medyczne (CT, MRI, USG, medycyna nuklearna itp.), wiele danych omicznych ( genom, transkryptom i metabolom, proteomika) dane omiczne, etiologię, patologię i powiązane raporty z danymi graficznymi oraz dane dotyczące multimodalnego leczenia. Naszym celem jest realizacja przechowywania, udostępniania, przetwarzania fuzyjnego, ochrony prywatności i nadzoru bezpieczeństwa multimodalnych i przekrojowych biomedycznych dużych zbiorów danych. Nasza praca otworzy kluczowe procesy biznesowe i powiązania między regionami, między szpitalami, między różnymi terminalami, między szpitalami i lekarzami oraz między oddziałami, aby promować ciągłe gromadzenie danych i gromadzenie wiedzy w szpitalach oraz promować współpracę medyczną.
2. Stworzenie multimodalnej bazy danych łączącej informacje z cechami patologicznymi, cechami obrazowania, multi-omiką (patologiczną, genomiczną, transkryptomową, metabolomową, proteomiczną itp.) oraz informacjami klinicznymi pacjentów w różnych stadiach raka płuc/guzków płucnych, gruźlicy i COVID 19. Skala bazy danych obejmuje multimodalne dane co najmniej 600 pacjentów z rakiem płuca/guzkami płucnymi, 200 chorych na gruźlicę i 200 pacjentów z COVID-19. Ponadto będzie ponad 10 biomarkerów istotnie związanych z diagnostyką i leczeniem pacjentów z rakiem płuc/guzkami płuc, gruźlicą i COVID-19, które zostały wydobyte za pomocą analizy asocjacyjnej, dostarczając parametrów do budowy modelu sztucznej inteligencji.
3. Wykorzystamy technologię sztucznej inteligencji do stworzenia multimodalnej medycznej technologii analizy krzyżowej dużych zbiorów danych oraz zindywidualizowanych modeli dokładnej diagnozy i przewidywania efektu leczniczego powyższych chorób. Aby rozwiązać trzy kluczowe problemy eksploracji multimodalnej fuzji danych, takie jak niezrównoważony, mały rozmiar próby i słaba interpretacja, ustanowimy algorytm rozpoznawania SZTUCZNEJ inteligencji dla obrazów obrazów i obrazów patologicznych oraz wykorzystamy przetwarzanie obrazu i głębokie uczenie się technologie do eksploracji wielopoziomowych cech wizualnych danych obrazowych i danych patologicznych. Ponadto będziemy wykorzystywać algorytmy analizy bioinformatycznej do prowadzenia eksploracji sieci molekularnych i analizy funkcjonalnej markerów molekularnych na poziomie wielu technologii omicznych (patologicznej, genomicznej, transkryptomu, metabolomu, proteomu itp.).