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。