参照HL7、ICD 10、 LOINC、 SNOMED CT等标准，利用自然语言处理对院内电子病历等复杂的非结构化文本数据，基于人工智能实现全量解析抽取，转换为结构化可应用数据资产，再通过机器学习技术深挖数据资产潜在价值，打造标准化的专病数据库，为医疗信息化及疾病科研提供数据基础。

大数据科研平台的建设为医工两个领域提供了合作平台，构建全新的医工结合模式，探索出一条从临床需求出发、到技术研发、再到成果转化的全新路径。科研平台整合多个业务系统数据，基于数据集市灵活定义指标和筛选逻辑，实时检索获取准确病历数据，依托于基础算法与机器学习算法，对研究对象的数据进行统计分析，优化科研数据获取流程并实现相关预测分析。

对院内的海量真实数据进行分析，利用Neo4j构建肿瘤病理分型、临床分期、治疗方式、用药、药品名称之间的三元组关系，建立专病知识图谱，知识图谱的建立为实现规范化诊疗奠定了基础。

利用AI算法进行结节标注模型训练，检测肺结节的存在及大小，可协助医师快速准确地发现肺结节，提早判断肺癌风险，增强肺癌筛查在肺癌防治方面的效率和作用，有利于肺癌的早期发现、早期诊断、早期治疗。

对检查报告等内容进行了OCR识别，并进行结构化存储，减少科研数据采集的工作量，从而使数据更好地辅助科研应用。

随访系统基于疾病治疗方案、患者体征变化情况等临床路径影响因素，将其转化为精准的患者病情跟进规则用于构建患者随访服务引擎，开展复杂长期的患者随访管理，实现贴合病情的个性化随访及宣教。