2023年醫院新興技術創新應用典型案例征集活動經行業專家背靠背盲審以及終審，共選出24篇典型案例，將陸續刊登出來，以饗讀者。

1、項目簡介

　　本項目是河南科技大學第一附屬醫院(統稱“我院”)依托洛陽市區域科研大數據中心項目建設，自2020年4月開始，于2023年5月完成。目前已通過人工智能(AI)技術實現臨床數據轉化為科研成果，構建全院級科研平臺與腫瘤、心血管、腦血管、內分泌、呼吸五大專病庫，同時依照我院食管癌專病標準數據集，整合南陽市中心醫院和安陽市腫瘤醫院兩個分中心食管癌數據，建設多中心醫學研究平臺，為區域專病大數據中心的建設奠定基礎，同時帶動區域內醫療機構實現病人信息共享，提高醫療服務質量和診治能力，擴展獲取信息的途徑。

　　項目軟硬件共投入超1000萬元，參與科室包括我院腫瘤相關科室、心血管內科、神經內科、內分泌科、呼吸內科、科研工作部、信息管理中心等38個科室，同時南陽市中心醫院和安陽市腫瘤醫院腫瘤科、科研科、信息科配合提供食管癌專病數據。

2、建設與開發

　　本項目主要是服務于我院專病研究科室醫生，以及專病庫多中心聯盟單位的腫瘤科醫生使用，詳細模塊及使用對象列表如下：

3、關鍵技術及產品描述

　　(1)技術解決方案

　　依托于醫院的海量數據，結合臨床團隊對語料的標注和醫學知識圖譜，通過醫學自然語言處理(NLP)、卷積神經網絡、強化學習、循環神經網絡、DNN、LSTM等AI技術助力科研應用，對數據進行結構化和標準化處理，基于關聯分析、聚類分析、生存分析等方法發現規律，提煉AI模型，掌握語義搜索、輔助診療、風險預警等能力。NLP流程如圖1所示。

圖1 NLP流程

　　(2)數據治理平臺

　　根據各病種及科研項目對數據標準和規范的要求，以統一的標準對多源異構數據進行歸一化處理，利用NLP技術將醫療文本轉化為結構化科研數據，保證數據的完整性、一致性、準確性，形成可有效使用的數據中心，為后續的臨床科研、臨床輔助決策支持以及多中心醫學研究搭建數據底座。

　　(3)臨床科研應用平臺

　　為加速推進學術研究及成果轉化，釋放積壓的大量醫療數據潛在價值。將研究課題從臨床診療的實踐操作中產出模型，建立基于AI技術的數據挖掘系統，構建風險預測、并發癥預測、藥物療效等模型，應用到臨床業務系統中，促進成果轉化。

圖2 科研駕駛艙

　　(4)臨床輔助決策支持

　　自主研發的AI知識引擎實現數據治理和醫學規則配置，結合醫學知識庫，為醫生提供治療、用藥和檢查檢驗方案推薦及相應診療監控的推薦和提醒，輔助醫生實現對臨床診療路徑的過程管理，滿足精準醫療和臨床診療質控的需要。

　　(5)專病數據庫

　　針對項目所涉及的病種：食管癌、代謝綜合征、冠狀動脈粥樣硬化性心臟病、腦梗死、靜脈血栓栓塞癥(VTE)，醫院依據專病數據情況及研究方向，搜集國內外相關疾病數據模型以及單病種數據標準進行整理用以參考借鑒，進一步完善病種數據模型，構建符合實際研究需要的專病數據集。

　　(6)多中心醫學研究平臺

　　集成我院、南陽市中心醫院及安陽市腫瘤醫院3家醫院專病患者數據，由主中心制定專病數據集標準，各分中心上傳數據至牽頭醫院。通過構建多中心專病數據庫及數據平臺，形成多中心專病科研協作模式，有力推進科研項目的立項和開展，優化診療方案和臨床路徑。科研數據中心還支持在MDT會診時提供患者診療數據，助力患者個性化治療方案的制定，提升醫療質量。多中心食管癌聯盟架構如圖3所示。

圖3 多中心食管癌聯盟架構

　　(7)智能語音隨訪

　　依托河南科技大學第一附屬醫院小程序，建立了患者智能語音隨訪系統，包含消息發布、隨訪方案制定、隨訪規則設定、健康宣教、復診提醒、診療知識庫等。

　　通過AI技術對我院醫院數據進行治理，共完成537萬患者合并、糾正1165條診斷編碼，歸一3209條數據。診斷標準化29000余例，檢驗標準化1200余例，藥品標準化7600余項，手術標準化12800余項。實現了醫學字典的自動標準化和歸一化，將醫院中現有的數據進行整合集中，通過數據治理轉化為高價值的數據資產，用于支持醫院在臨床科研、臨床輔助決策方面的應用。

4、應用效果

　　我院專病庫自2020年上線以來，五個科室專病共計臨床使用人員達166人，使用人次達10131次，創建臨床研究項目26個，創建臨床研究隊列38個，智能搜索6533次。其中多中心食管癌專病項目臨床使用人員達55人，使用人次達2781次，創建臨床研究項目4個，創建臨床研究隊列16個，智能搜索526次;內分泌專病項目臨床使用人員達28人，使用人次達2472次，創建臨床研究項目4個，創建臨床研究隊列16個，智能搜索1213次;冠心病專病項目臨床使用人員達41人，使用人次達1729次，創建臨床研究項目3個，創建臨床研究隊列9個，智能搜索360次;腦梗死專病項目臨床使用人員達9人，使用人次達1627次，創建臨床研究項目2個，創建臨床研究隊列15個，智能搜索1186次;呼吸專病項目臨床使用人員達65人，使用人次達2518次，創建臨床研究項目3個，創建臨床研究隊列15個，智能搜索1054次。

　　電話語音智能隨訪累計使用情況統計：隨訪患者591人次，智能隨訪509次，健康宣教23次，復診提醒4次，滿意度調查55次。

　　VTE防治管一體化平臺累計使用情況統計：風險預警患者6.36人次，量表評估23.12萬人次，各類診療規則推薦6580次。

　　建立標準體系：基于國際主流研究方向，同時綜合國內現狀，保證數據收集的科學性及可行性，制定了30多項專病數據集，并在區域內形成了食管癌專病數據集標準。

　　提升安全保障：完成了區域性三級等保，多中心數據實現共享與互通，各中心均可按權限訪問相關科研數據，實現科研分析與探索。

　　加速人才培養：在項目實施過程中，醫院信息管理中心10名工程師參加了AI算法、NLP建模培訓，數十人完成臨床科研人統計學、科研分析方法、循證醫學等培訓，并且獲取了相關培訓證書，為醫院搭建人才梯隊提供了良好的培訓機制。

5、總結

　　本項目是以我院為中心，建立食管癌科研大數據中心平臺，對接南陽市中心醫院和安陽市腫瘤醫院，后續擴展對接全國更多食管癌專病科研聯盟醫院，實現區域科研聯盟共同體，數據共享，即時交流通訊，共享科研成果。

　　(1)解決的問題

　　1)如何治理來自不同醫院的數據并建立臨床科研應用平臺。

　　2)AI臨床輔助決策和多中心醫學研究平臺建設如何發揮最大功效，既輔助醫生科研又提高醫療質量。

　　3)AI賦能電話語音智能隨訪，既對患者全面、及時、精準隨訪，又能夠對患者進行健康宣教及復診提醒等醫療關懷服務，同時極大減輕了醫護人員的隨訪工作量。

　　(2)創新亮點

　　1)數據支撐

　　目前已建成區域性MDT體系，其中一家醫院發起會診時，多家醫院可同時在平臺查閱患者診療信息。平臺不僅能為醫生提供多地區、多樣本的患者診療數據進行研究分析，而且能夠為多家醫療機構之間會診提供信息共享，助力實現多機構多學科會診。

　　2)科研支持精準醫療，臨床促進高效科研

　　互聯網醫院為患者提供覆蓋診前、診中、診后全流程的服務，產生了大量的臨床數據，可用于擴充臨床科研變量庫，助力醫生對患者進行全生命周期的臨床研究。同時，科研結果反哺互聯網醫院服務，幫助醫生針對病種和患者提供更“精準”的治療方案，提升臨床診療水平和質量。

　　3)AI風險預測模型

　　醫生可隨時構建臨床事件的預測模型(特定疾病、死亡、再入院、不良反應等)，系統采用無監督機器學習對疾病亞群、患者風險因素等進行分析，基于結構化高互操作性數據流進行訓練。構建AI原型開發流水線，在僅更換數據和預測目標的情況下快速完成建模和預測。同時可利用AI算法對隊列進行統計、分類、多維度可視化展示，進行深度挖掘和研究方向預測等。形成多中心專病隊列網絡熱圖及韋恩圖，直觀展示隊列研究熱點、研究趨勢以及交叉重合情況，實現隊列研究精細化管理、資源整合和研究方向發現。

　　4)生信中心對接

　　能夠支持生信數據入庫，與臨床數據、生物樣本數據打通，通過個性化統計分析，可視化并導出相應統計分析結果，能夠支持統計分析預測模型，包括隨機森林、COX分析等，并且可將分析產生的文件和報告自動回沉到生信數據庫，涵蓋基因信息、實驗數據等。

　　(3)成果推廣

　　針對已完成的專病數據集，可以在區域內、行業內形成標準專病數據集，進行發表推廣。

　　基于醫院成熟的AI診療決策模型，形成通用的臨床診療路徑，進而推廣至更多醫院，助力分級診療和同質化醫療落地。

　　目前平臺運行良好，后期將會納入更多地區醫院數據，不斷豐富專病數據，拓寬研究思路，同時將我院診療經驗推廣到更多地區醫院，提升分中心的診療水平，為更多患者提供便捷、專業的診療服務。

　　(4)風險及應對措施

　　數據中心面臨來自外部和內部網絡的多種安全威脅，如各類攻擊、數據竊聽和篡改等，如何應對這些風險，是科研大數據平臺安全可靠運營的前提保障。

　　通過制定安全方針和總體策略，采用“結構化”的分析和控制方法，把控制體系分成安全管理、安全技術、安全運維的控制體系框架，建立滿足三級等級保護整體安全控制要求的安全保障體系。

　　本項目同時從硬件和軟件兩個層面對數據進行防控，硬件包括堡壘機、防火墻、數據庫審計、防病毒網關等;軟件包括用戶身份鑒別、權限設置、入侵防御系統、漏洞掃描系統、日志審計、防病毒軟件、數據加密等來保證數據安全及網絡安全。

　　申報單位：

　　河南科技大學第一附屬醫院

　　聯合申報單位：

　　上海森億醫療科技有限公司

　　技術方向：

　　大數據

　　業務領域：

　　醫學科研