郑州大学第一附属医院：基于大数据与人工智能的医学影像数智化应用科研管理一体化平台

　　2024年医院新兴技术创新应用典型案例征集活动经行业专家背靠背盲审以及终审，共选出20篇典型案例，将陆续刊登出来，以飨读者。

1 项目简介

　　随着人工智能技术与医疗领域的不断融合发展，医学影像AI得到了广泛的应用，但目前仍以肺结节、心脑血管等单病种为主，与临床多病种AI的实际需求相差甚远。多病种AI的应用又会带来影像设备端口、IP、PACS系统吞吐接入资源不足、网络安全接入、应用调取协同及影像大文件重复存储等诸多问题。为解决这些AI应用、管理难题，并将影像AI与大数据技术融合，构建临床与科研的多模态数据基础平台，助力医生开展AI科研，郑州大学第一附属医院(简称“郑大一附院”)结合自身的特点与基础，进行了基于大数据与人工智能的医学影像数智化应用科研管理一体化平台的建设实践。

2 建设与开发

　　郑大一附院的医学影像数智化应用科研管理一体化平台整体采用分布式计算架构，基于K8S容器化部署，保证系统的稳定、快速适配与扩容能力。其中，影像数据管理系统用于实现多院区、多设备影像文件与AI服务的统一管理，并集成多款影像AI引擎，满足临床多病种诊断需要，在此基础上构建具有影像结构化数据的智能多模态数据库以及影像智能科研平台，打造智慧医院AI应用、科研与成果转化的重要引擎，不断提升医疗服务能力和诊疗效率，构建数字化科研基础，提高医院科研水平，提升成果转化能力，最终形成基于大数据和人工智能技术的，面向医学影像数智化应用、科研、管理场景的一体化的完整可靠的解决方案。

图1 应用场景图

3 关键技术或产品描述

　　(1)关键技术

　　平台采用了多种先进技术，以确保数据处理的高效性和准确性。基于Hadoop技术体系，为临床数据提供分布式存储和计算资源，支持自然语言处理、深度学习等分析任务。利用Spark和Presto作为核心计算引擎，结合HDFS和Hive，平台能够处理大规模数据集，并实现实时数据分析。此外，采用基于容器的微服务架构Kubernetes，提升了大规模容器集群管理的效率和灵活性。平台还整合了多源异构数据处理技术，以快速识别和整合不同数据表之间的关联，实现数据整合。医学影像处理技术的应用，使得平台能够精确识别病灶并提取关键影像信息。自然语言处理技术的应用，则使得非结构化的医疗文本数据得到有效整合和分析，为临床决策和科研工作提供了有力支持。

　　(2)产品描述

　　1)智能影像数据管理系统

　　通过数据治理、自然语言处理与计算机视觉的大数据、AI与IT技术融合，进行影像数据的采集、存储、AI集成、影像数据资产化、算力监控，同时还能多院区互联，最终实现医学影像的“存、传、算、用、管”一体化。

图2 智能影像数据管理系统

　　2)多病种医学影像智能辅诊应用

　　在影像智能应用方面，大量采用行业领先的计算机视觉技术，除了常见的肺结节、冠脉AI，我们还集成了靶重建、肋骨、腹部、头颈、下肢血管与骨密度总共8种影像AI应用，其中4种达到医疗器械三类证水平也是国内最高水平。

图3 多病种医学影像智能辅诊应用

　　平台还设计上考虑了扩展能力，可兼容不同厂家、不同专科、不同专病的AI产品。

　　3)智能多模态专病数据系统

　　在智能多模态专病数据库方面，我们创造性的采用自然语言处理与计算机视觉的双AI技术参与多模态数据治理与呈现，构建集成多模态数据的资产平台。

图4 智能多模态专病数据系统

　　平台涵盖了数据管理、数据搜索、数据科研的全流程，全面满足医生回顾性、前瞻性、多中心科研的需要。

　　4)智能多模态数据科研系统

　　最后，我们构建了一站式无需编码的人工智能分析系统，预置了多种机器学习、深度学习模型。可以深度挖掘数据价值，获取最前沿的数据分析结果。

图5 智能多模态数据科研系统

　　该系统是融合多模态数据收集、标注、特征提取、模型构建及评价的智能化工具，可以全面提升临床科研效率与质量，其中首创引入大模型标注，能够通过图像专用大模型对各种医学图像进行自动化的分割标注。

4 应用效果

　　(1)实现多院区AI系统统一纳管及提升业务系统运行效率

　　一体化平台中智能影像数据管理中台实现了影像AI系统统一接入管理，将多病种AI系统的重复对接，优化为中台统一对接管理、不同模态数据智能分发机制。不仅实现了多院区AI系统统一部署、统一使用、统一调度及智能监控，还减小了对医院PACS系统、影像设备、网络的资源压力，提升现有业务系统运行效率。

图6 多病种AI统一管理

图7 多病种AI应用实时监控

　　(2)构建文本及影像数据融合的多模态专病数据平台

　　将多模态、全周期的数据在一个专病数据平台中实现集成，打破原有信息化系统的界限，科研项目可以低成本使用到全维度数据。并抛弃“先有科研项目后做数据抽取”的传统思路，前置进行临床数据的精细化提取，充分挖掘临床数据的信息。基于人工智能算法，对文本数据和影像数据构建了人工智能信息提取模型以替代人工数据提取，实现科研数据制备效率的全面跃升。

图8 专病数据平台数据驾驶舱

图9 患者全周期多模态数据融合

　　(3)增强科研创新能力

　　针对临床研究与应用的复杂场景，一体化平台提供了“一站式”影像智能化科研服务。将数据处理、模型训练、分析决策等环节的关键技术进行流程化、简单化、普适化处理，使临床医生拥有属于自己的数据制备能力、建模训练能力、知识构建能力、分析决策能力，以满足其自主化、个性化的临床研究与应用需求。

图10 “一站式”影像智能化科研

图11 内置多种算法模型

　　(4)覆盖多个院区

　　医学影像数智化应用科研管理一体化平台不只局限于单一医疗机构，而是能够横跨多个地理位置分散的医疗机构，实现跨地域、跨院区间的数据互联互通与资源共享。系统平台目前已覆盖了郑州大学第一附属医院的全部院区，包括未来新建院区。

图12 多院区覆盖

5 项目成果产出

　　自系统正式上线至今，一体化平台已完成超过35万人次影像数据的统一接收、管理及调度，有效的缓解了PACS系统的运行压力。影像检查业务量与之前相比增加了20%。平台已完成超过1.3万例患者，20万人次诊疗数据的清洗、治理等工作，全维度数据治理工作量从年级别压缩到月级别。平台已开设近60个科研服务账号，同时支撑了超过20个科研项目，单个科研项目时长也由原来的10-20个月缩短到6个月之内。

　　(1)项目建设方案荣获“第六届全国智慧医疗创新大赛一等奖”。

　　(2)基于系统平台开展的“基于多维度功能CT消化系统疾病及并发症精准诊断技术创新与应用”研究，荣获“2023年度河南省科学技术进步一等奖”。

　　(3)在系统平台支持下，已发表研究成果4篇，投稿中3篇。

6 总结

　　本项目积极响应国家智慧医疗战略导向，精准把握政策脉络与市场需求，具有广阔发展前景。得益于大数据与人工智能技术的深度融合，医学影像的深度分析与精准诊疗能力得以显著提升，有力推动医疗服务质量改善与个性化治疗实现。通过跨学科深度合作，科研创新成果得以加速转化，将多领域知识创新切实应用于医疗临床实践。

　　在创新点上，我们总结了四个方面的创新：管理上，创新运用多院区、多AI、影像存储的统一部署、使用、监控的管理模式，不但提升管理效率，节约IP与存储资源，同时更保障了医疗器械安全接入；技术上，将数据、智能与IT融合，推进医工交叉融合创新，进一步挖掘了医疗资源的价值，为后续数据要素运营构建基座；应用上，我们首创了实现影像数据存储、分发、管理、多AI辅诊，多模态数据集成、科研平台的“一站式”应用融合；同时，实现影像AI在诊断、数据结构化、科研自动标注的多场景应用创新。最后，通过平台形成了一种适合未来发展趋势的、从临床AI应用到多模态数据积累再到数据科研及成果转化，包括可支持后续新技术发展的范式创新。

　　然而，该项目亦面临技术与人才双重挑战：技术层面，需深入研究并掌握AI技术、大数据处理技术、IT技术以及医学临床知识的交叉融合与转化应用，如大模型技术，以适应医疗数据的持续增长与变化；人才层面，需构建一支同时具备AI研发实力与医疗专业背景的团队，确保AI应用高效精准对接医疗实际需求，为项目成功提供坚实保障。

　　申报单位：

　　郑州大学第一附属医院

　　联合申报单位：

　　杭州深睿博联科技有限公司

　　案例赛道：

　　应用场景与技术创新

　　案例业务领域：

　　临床应用