Разработка системы искусственного интеллекта для интеллектуальной патологической диагностики и прогнозирования терапевтического эффекта на основе мультимодального объединения данных о распространенных опухолях и основных инфекционных заболеваниях в дыхательной системе с использованием технологии глубокого обучения.

Основные цели заключаются в следующем:

1. Создать медицинскую платформу больших данных для объединения мультимодальной информации о распространенных опухолях и основных инфекционных заболеваниях (рак легких/легочные узлы, туберкулез и COVID-19) на основе существующих патологических изображений и базы данных клинической мультиомной информации: Медицинская платформа больших данных поддерживает получение клинических электронных медицинских карт пациента (включая рутинное клиническое обнаружение), полноэкранный цифровой раздел данных патологических изображений, медицинские изображения (КТ, МРТ, УЗИ, ядерная медицина и т. д.), множественные данные omics ( геном, транскриптом и метаболом, протеомика) данные омики, этиология, патология и связанные с ними графические отчеты данных и данные мультимодального лечения. Мы стремимся реализовать хранение, совместное использование, комбинированные вычисления, защиту конфиденциальности и контроль безопасности мультимодальных и межмасштабных биомедицинских больших данных. Наша работа откроет ключевые бизнес-процессы и связи между регионами, между больницами, между различными терминалами, между больницами и врачами и между отделениями, чтобы способствовать непрерывному накоплению данных и накоплению знаний в больницах и способствовать медицинскому сотрудничеству.
2. Создать мультимодальную базу данных слияния информации с патологическими признаками, признаками визуализации, мультиомикой (патологической, геномной, транскриптомной, метаболомной, протеомной и т. д.) и клинической информацией о пациентах на разных стадиях рака легких/легочных узелков, туберкулеза и COVID-19. Масштаб базы данных включает мультимодальные данные не менее чем о 600 больных раком легких/легочных узлах, 200 пациентах с туберкулезом и 200 пациентах с COVID-19. Более того, более 10 биомаркеров, в значительной степени связанных с диагностикой и лечением пациентов с раком легких/легочными узелками, туберкулезом и COVID-19, были обнаружены с помощью ассоциативного анализа, обеспечивающего параметры для построения модели искусственного интеллекта.
3. Мы будем использовать технологию искусственного интеллекта для создания мультимодальной технологии перекрестного анализа больших медицинских данных и моделей точной диагностики вышеуказанных заболеваний и прогнозирования лечебного эффекта. Чтобы решить три ключевые проблемы мультимодального интеллектуального анализа данных, такие как несбалансированность, небольшой размер выборки и плохая интерпретируемость, мы создадим алгоритм распознавания ИСКУССТВЕННОГО интеллекта для изображений и патологических изображений, а также будем использовать обработку изображений и глубокое обучение. технологии для извлечения многоуровневых визуальных признаков глубины данных изображения и патологических данных. Кроме того, мы будем использовать алгоритмы биоинформатического анализа для проведения анализа молекулярных сетей и функционального анализа молекулярных маркеров на уровне множественных омических технологий (патологических, геномных, транскриптомных, метаболомных, протеомных и т. д.).