东软探索多模态医学人工智能平台方案

解决医学多模态数据处理、算法开发门槛和模型从训练到应用之间衔接困难的问题。

中文 PDF · 17 页 · 857 KB2026-04 版 · 文件生成日期浏览次数0

适用对象

医院科研团队、医学 AI 研发团队和数据平台管理人员

方案摘要

东软探索多模态医学人工智能平台面向医学科研中的数据整理、特征提取、模型训练和成果管理，将常用研究工具组织在统一环境。平台希望降低临床科研人员使用机器学习、深度学习和场景大模型的操作门槛，同时支持专业人员使用外部代码开展实验。它覆盖从课题创建、数据收集到模型评估及服务管理的连续过程。

数据管理支持影像、病理、临床、组学、人口学和随访信息，包含多种影像与表格格式的导入。数据画像用于查看分布、缺失及质量情况，课题之间能够共享和引用数据，处理过程的中间及最终结果可以保存和导出。影像专病数据库进一步管理多模态信息的关联、版本及检索结果，支持后续研究复用。

可视化流水线通过拖动组件和连接输入输出组织数据预处理、特征工程、训练、评估及推理。研究者可以调整参数、查看运行状态和结果，也可以比较多个模型。工具涉及影像分割、分类、统计分析和多模态特征组合；定制实验空间提供 CPU 或 GPU 环境及 Python 代码执行，使可视化流程与程序实验能够共同参与课题。

算法管理集中登记平台训练、第三方及既有研究模型，支持封装、共享、评价和服务使用。课题管理记录成员、任务依赖、时间及进度，成果管理组织模型、数据集、论文等产出。多租户、角色权限、日志和计算资源管理用于不同机构或课题组的运行。医学影像标注可以装配飞标平台服务，相应功能需要按产品配置开通。

案例涉及膝关节影像分割与疼痛预测、乳腺癌多模态分析、医学科研教学和医工合作开发。材料通过这些例子说明同一环境如何组织数据、标注、建模、比较和结果解释。对于科研团队，平台价值主要在于工作流程、工具组合与数据复用，研究目标、数据质量、模型选择及结果解释仍需要专业人员负责。

研究过程能够保存数据处理关系、参数和成果，方便团队查看数据怎样进入模型以及结果来自哪次任务。可视化流程支持重复运行，实验空间则容纳专门代码，二者可按课题需要配合。平台因而同时服务于医学方法探索和较固定的批量处理，研究人员需要明确每次实验使用的数据范围和评价方法。

这份白皮书适合医院科研平台、医学 AI 团队和临床研究者了解平台组成。文档中的工具及算法数量属于资料版本下的产品描述，具体可用功能应结合采购和配置确认。训练完成的科研模型还需要独立验证适用人群、泛化能力和预期用途，平台具备模型研发及服务能力并不直接证明每个模型已经满足临床使用条件。

东软探索多模态医学人工智能平台方案

联系haonan

刘浩南

方案原文 PDF · 17 页