依托大數據、人工智能技術的醫工科研平臺創業項目研究

王雪 郭佳偉 郝天琦

摘? 要： 依托醫院臨床與影像數據，以多機構協作大數據共享為目標，通過對醫院數據進行整合→挖掘→分析→增值，實現病理采集、統計匯總、數據挖掘、智能分析、科研成果、指導臨床、醫療人工智能分析等目的。

關鍵詞： 大數據;人工智能;科研服務平臺;創業

【Abstract】： Relying on hospital clinical and image data， aiming at large data sharing in multi-agency collaboration， through the integration of hospital data mining， analysis and value-added， the purpose of pathological collection， statistical summary， data mining， intelligent analysis， scientific research results， guiding clinical and medical artificial intelligence analysis is realized.

【Key words】： Big data; Artificial intelligence; Research service platform; Entrepreneurship

0? 引言

近些年，人工智能、大數據技術快速發展，人工智能+醫療也成為現代科技研究的熱點。人工智能在醫學影像識別、臨床醫療智能決策、醫療智能語音、互聯網+醫療等領域發揮重要作用，也促使圍繞“人工智能醫學”展開各種創新創業，為解決醫療領域的挑戰提供了新的機遇，以醫療大數據和應用場景驅動工程技術創新發展，推動醫療行業技術革新，拓寬醫療行業創新創業模式，目前已經出現了計算機輔助診斷、智能專家系統、手術機器人、智能藥物研發以及健康管理等多種產品[1]。《中國高校創

新創業教育發展藍皮書（2017）》指出，新時期的創新創業教育對于深化高校教育改革、完善人才發展機制、支撐“雙創”以及創新驅動發展戰略有重要意義[2]。人工智能與大數據為醫療領域創新創業提供了前所未有的機遇與挑戰。本文旨在基于大數據、人工智能技術的醫工科研平臺探討醫療領域的創新創業模式。

1? 醫工大數據、人工智能科研平臺功能分析

醫工大數據、人工智能科研平臺，即以醫工結合背景出發，圍繞醫生科研問題和需求，依托大數據、人工智能技術，建立醫工聯合、互助創新的科研平臺。依托此平臺醫生可以實現病理采集、統計匯總、數據發掘、智能分析、科研成果、指導臨床等應用，醫生與教師之間也可實現之間的數據共享，協同實驗等科研工作。具體功能框架如下圖（圖1）。

醫工大數據、人工智能科研平臺可對醫院的數據進行整合，平臺采用云端技術，相關服務全部云端部署，統一云端計算、云端識別、云端決策。依托云端技術，充分發揮醫院的數據價值，數據處理流程如下圖（圖2）所示。

利用此平臺，可實現臨床與影像數據的采集，采用隨訪機制，以挖掘病例的研究價值。同時，基于大數據的多機構協作模式，實現數據共享、協作，完成科研項目與課題。在數據樣本處理方面，實行海量數據樣本，支持多數據樣本，對大數據的挖掘提供保障。為保證信息完整性，對每個科研項目維護科研量表。對大數據進行智能化的算法支持，以保證科研人員充分挖掘數據價值，加速醫學科研成果轉化。

2? 醫工大數據、人工智能科研平臺特點

基于云端、互聯網技術，實現分布式數據錄入方式，降低采集成本。對數據進行跟蹤管理，實行在線檢驗、清理、核查，縮短研究周期。系統安全性方面，通過設置不同的權限等級、電子簽名、稽查痕跡來保證系統的數據安全。醫療信息高度集成，將臨床數據轉化為結構化的研究數據，降低研究者負擔，按照臨床科研的工作邏輯做系統流程，提高前瞻性研究的質量和效率，同時兼容多種臨床研究模式，提升數據挖掘和價值轉化。為滿足個性化研究的設計需求，豐富標準化元素庫和表單模板。中心協同管理通過搭建多中心協作網絡，實行遠程監察采樣、遠程會議審查、遠程培訓。工大數據、人工智能科研平臺可分為桌面版、云版，桌面版適合于單個病種的研究;云版適合于多個病種的并行研究，實現云端的大數據運算。醫工大數據、人工智能科研平臺包括科研項目管理、海量樣本管理、快速標記數據、在線深度學習、模型生成與驗證幾個方面。

（1）科研項目管理

1）支持自定義量表

根據具體項目或課題進一步完善數據屬性，根據課題特征可自由定義具體分析參數，有針對性的對具有科研價值的數據進行收集、整理，助力精準分析科研對象;

2）跨區域、跨機構協同科研

支持多機構合作、多項目、多課題數據共享，支持分享病例，實現醫療大數據共享;

3）科研數據及量表導出

4）支持批量導出科研數據及量表，實現線上線下協同科研。

（2）海量樣本管理

1）數據采集

支持數據批量導入、機構數據拖掛、醫真云全醫技平臺信息調用等三種數據采集方式，確保信息錄入的方便快捷及準確;

2）數據脫敏處理

支持所有數據進行脫敏處理，確保數據不涉及病人隱私，避免出現隱私泄露情況;

3）數據整合

支持醫技數據，電子病歷及臨床數據整合，有效增強病人信息的完整性。

（3）快速標記數據

支持醫生對醫療數據中的病灶點進行快速、高效、準確地標記，實現標準化數據質量控制，幫助人工智能算法對醫療數據進行識別、比對和學習，將醫療各類數據進行分析，獲取高質量有價值的信息。

（4）在線深度學習

支持多種開源深度學習架構，訓練過程支持可視化配置，科研工作者從具體課題需求出發選擇不同的預處理及訓練模型，通過大量高品質的醫技數據和診斷數據，不斷對深度神經網絡進行訓練以及優化，促使其掌握“診斷”及分析能力。

（5）模型生成及驗證

將所有的數據自動反復訓練生成疾病“診斷”模型，并對模型進行數據驗證。在對模型的檢測效率和準確度兩個方面，采用敏捷開發模式，不斷迭代最終產生理想的智能決策模型，更高效更精準地服務于醫療工作者。

3? 總結與展望

依托大數據、人工智能技術的醫工科研平臺創業項目，可充分發揮醫工融合的“連接器”作用[3-5]，實現科研人員的數據共享、簡化科研流程、有效推動科研成果轉化。醫療科研大數據平臺為醫院醫療數據的開發利用打開了一個新視窗，隨著大數據技術的發展和數據挖掘算法的不斷優化，其服務于科研與臨床的能力進一步提升[5-8]。未來是人工智能時代，人工智能技術的發展和進步給人們的生活帶來了翻天覆地的變化。 因此，高等教育機構也應當結合當前時代發展的契機，抓住時代發展的機遇，積極的迎接各種挑戰，培養更多既具有高超工程技術能力又具有創新創業能力的優秀人才，進一步提升我國的科技綜合實力，促進國家的發展和進步[9-15]。

參考文獻

[1]韓冬， 李其花， 蔡巍. 等. 人工智能在醫學影像中的研究與應用[J]. 大數據， 2019， 1（4）： 39-41.

[2]李周男， 高占鳳， 徐紅. 高校創新創業教育與新工科建設

的框架及其融合[J]. 河北農業大學學報（農林教育版）， 2018， 20（2）： 9-11.

[3]班嵐， 楊燦. 創新創業教育視角下的“人工智能+新工科”發展 模式和路徑研究. 創新創業理論研究與實踐[J]. 2018， 2（4）： 83-85.

[4]李鵬， 王鑫， 楚宏碩， 等.醫院信息系統建設對臨床護理工作的促進作用[J]. 齊魯醫學雜志， 2013， 28（6）： 556-558.

[5]李鵬， 楊兆凱， 許慶超， 等. 無紙化病案歸檔系統的研究與應用[J]. 中國數字醫學， 2017， 12（2）： 50-52.

[6]宋波， 楊艷利， 馮云霞. 醫療大數據研究進展[J]. 轉化醫學雜志， 2016， 5（5）： 298-300.

[7]羅旭， 劉友江. 醫療大數據研究現狀及其臨床應用[J]. 醫學信息學雜志， 2015， 37（5）： 10-14.

[8]趙蓉， 何萍. 醫療大數據應用中的個人隱私保護體系研究[J]. 中國衛生信息管理雜志， 2016， 13（2）： 191-195.

[9]蔣勛， 劉喜文. 大數據環境下面向知識服務的數據清洗研究[J]. 圖書與情報， 2013， 32（5）： 16-21.

[10]張敬誼. 面向醫療領域的大數據應用系統研究[J]. 信息技術與標準化， 2016， 37（7）： 33-37.

[11]黃尤江， 賀蓮， 蘇煥群， 等. 醫療大數據的應用及其隱私保護[J]. 中華醫學圖書情報雜志， 2015， 25（9）： 43-45.

[12]李偉， 劉光明， 張真發. 基于 Mongo DB數據庫的臨床醫療大數據存儲方案設計與優化[J]. 工業控制計算機， 2016， 29（1）： 121-123.

[13]李建中， 劉顯敏. 大數據的一個重要方面： 數據可用性析[J]. 計算機研究與發展， 2013， 56（6）： 1147-1162.

[14]夏海元. 面向Big Data的數據處理技術概述[J]. 數字技術與應用， 2012， 30（3）： 179-180.

[15]王昊. 基于大數據背景下的高校實驗室研究[J]. 軟件， 2019， 40（4）： 198-199.

[16]劉義芳， 吳志東， 探索“互聯網+”對醫院信息系統安全的挑戰與對策[J]. 軟件， 2018， 39（9）： 204-205.