Utveckling av ett artificiellt intelligenssystem för intelligent patologisk diagnostik och förutsägelse av terapeutisk effekt baserat på multimodal datafusion av vanliga tumörer och större infektionssjukdomar i andningssystemet med hjälp av djupinlärningsteknik.

Huvudmålen är följande:

1. Att etablera en medicinsk stordataplattform för multimodal informationsfusion av vanliga tumörer och större infektionssjukdomar (lungcancer/lungknölar, tuberkulos och covid-19) baserad på befintliga patologiska bildegenskaper och klinisk multiomics-informationsdatabas: medicinsk stordataplattform stöder förvärvet av patientens kliniska elektroniska medicinska journaler (inklusive rutinmässig klinisk upptäckt), digital sektion av patologisk bilddata i full vy, medicinsk bildbehandling (CT, MRI, ultraljud, nuklearmedicin, etc.), flera omics-data ( genom, transkriptom och metabolom, proteomik) omikdata, etiologi, patologi och tillhörande grafiska datarapporter och multimodala medicinska behandlingsdata. Vi strävar efter att förverkliga lagring, delning, fusionsberäkning, integritetsskydd och säkerhetsövervakning av multimodal och tvärskalig biomedicinsk big data. Vårt arbete kommer att öppna upp viktiga affärsprocesser och länkar över regioner, mellan sjukhus, mellan olika terminaler, mellan sjukhus och läkare och mellan avdelningar, för att främja kontinuerlig dataackumulering och kunskapsutfällning på sjukhus och främja medicinskt samarbete.
2. Att skapa en multimodal informationsfusionsdatabas med patologiska egenskaper, avbildningsegenskaper, multiomics (patologisk, genomisk, transkriptom, metabolom, proteomik, etc.) och klinisk information om patienter i olika stadier av lungcancer/lungknölar, tuberkulos och COVID 19. Databasskalan inkluderar multimodala data om minst 600 lungcancer/lungknölar, 200 tuberkulos och 200 patienter med covid-19. Dessutom kommer det att finnas mer än 10 biomarkörer signifikant relaterade till diagnos och behandling av patienter med lungcancer/lungknölar, tuberkulos och covid-19 grävdes ut genom associationsanalys, vilket ger parametrar för konstruktion av artificiell intelligensmodell.
3. Vi kommer att använda oss av artificiell intelligens för att skapa den multimodala medicinska big data-korsanalysteknologin och ovanstående sjukdomsindividualiserade exakta diagnoser och prediktionsmodeller för botande effekt. För att lösa de tre nyckelproblemen med multimodal datafusionsutvinning, såsom obalanserad, liten urvalsstorlek och dålig tolkningsbarhet, kommer vi att etablera en ARTIFICIAL intelligensigenkänningsalgoritm för bildbilder och patologiska bilder, och använda bildbehandling och djupinlärning teknologier för att bryta djupa visuella egenskaper på flera nivåer av bilddata och patologiska data. Dessutom kommer vi att använda bioinformatikanalysalgoritmer för att utföra molekylär nätverksbrytning och funktionell analys av molekylära markörer på nivån av flera omics-teknologier (patologisk, genomisk, transkriptom, metabolom, proteom, etc.).