东软 HAIAs 多模态临床辅助决策智能体方案

将病历、检验和影像信息联合分析，为疾病风险识别、辅助诊断与分层管理提供信息。

中文 PDF · 9 页 · 376 KB2026-03 版 · 文件生成日期浏览次数0

适用对象

临床专科、医院科研及临床辅助决策产品团队

东软多模态临床辅助决策系统面向医学科研及临床转化，联合患者问诊、症状、检验和影像等数据开展辅助分析。临床问题通常由多种证据共同反映，单一指标或影像可能难以表现完整情况。方案围绕数据融合、联合建模和综合推断，为疾病筛查、诊断候选、风险分层、疗效评估及治疗支持提供技术能力。

系统对不同来源的数据建立相应表征和处理方法，再围绕同一诊疗问题分析证据之间的联系。症状体现患者主观表现，检验反映生理变化，影像呈现结构及病灶信息，多模态分析用于识别它们的一致性和互补关系。资料还讨论模态缺失、记录不完整、采集标准不一致等真实医疗数据问题，强调在复杂数据条件下组织分析。

筛查场景关注分散的早期异常与风险信号，通过联合信息发现需要进一步检查的人群。辅助诊断场景提供候选判断、检查建议和病情分层信息，帮助医生统筹证据。治疗支持则结合当前病情和多来源资料分析不同路径，为专业人员讨论提供参考。具体任务需要相应模型和验证，材料没有给出可通用于所有疾病的单一算法。

医院应用还涉及专科筛查、重点病例识别、转诊次序和检查资源安排。基层场景希望通过辅助识别与转诊建议促进服务协同，科研平台则用于多模态建模、专病研究和成果转化。不同用户对应的目的、数据和责任有所区别，采用时需要明确产品实际支持哪种任务，以及分析结果如何进入现有业务。

白皮书以辽宁省肿瘤医院胃癌风险研究为例，结合既有病历文本、检验、胸腹部 CT 及相关结果，探索无创风险评估和胃镜筛查次序辅助。案例重点在于利用患者已经形成的就诊数据识别高风险人群，并支持后续检查安排。文档描述研究方向和预期价值，没有公开可直接复现的完整样本、训练参数和全部性能结果。

原文把数据融合与临床问题联系：相同病理过程可能在症状、检验和影像中留下不同表现，模型需要理解它们之间的补充与约束关系。科研团队可以围绕具体疾病联合建模，临床团队则查看与当前患者有关的证据。不同模态缺失时仍需知道实际输入范围，才能正确解释输出包含哪些信息。

这份资料适合临床专科、医院科研和医疗 AI 研发团队理解多模态辅助的应用结构。模型输出需要医生结合原始证据复核，研究能力、产品功能和具体临床用途应分别核查。实际评价需要考虑目标人群、数据缺失、不同设备或机构的数据差异，以及结果对检查和治疗流程的影响，不能仅根据多模态能力描述推断临床收益。