一個臨床醫(yī)生想用自己的研究數(shù)據(jù)訓(xùn)練一個AI模型，需要做什么？
過去的答案是：找算法工程師、寫代碼、調(diào)參數(shù)、反復(fù)迭代。一個課題從立項到出模型，半年到一年是常態(tài)。數(shù)據(jù)處理、特征提取、模型構(gòu)建分屬不同工具，數(shù)據(jù)在工具之間來回倒，容易出錯，更難以復(fù)現(xiàn)。
現(xiàn)在，東軟給出的答案是：打開瀏覽器，拖拽連線，點(diǎn)擊運(yùn)行。
把AI開發(fā)從“寫代碼”變成“搭積木”
東軟推出的“探索多模態(tài)醫(yī)學(xué)星空人工智能平臺”，核心要解決的就是一件事——讓不懂編程的臨床醫(yī)生，也能獨(dú)立完成醫(yī)學(xué)AI研究。
平臺內(nèi)置150多個流水線算子，覆蓋影像預(yù)處理、特征提取、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、統(tǒng)計分析等全流程。醫(yī)生通過拖拽、連線的方式組合算子，就能搭建一條完整的數(shù)據(jù)處理與分析流水線——這就是平臺特有的“柔性科學(xué)計算工作流”，無需寫代碼，平臺自動執(zhí)行。
更關(guān)鍵的是，50多種機(jī)器學(xué)習(xí)與深度學(xué)習(xí)算法可以直接調(diào)用，同類模型還能橫向?qū)Ρ仍u估。醫(yī)生不用糾結(jié)“用哪個模型更好”——試了就知道。
對于想自己設(shè)計網(wǎng)絡(luò)結(jié)構(gòu)的研究者，平臺還提供神經(jīng)網(wǎng)絡(luò)自主編排能力：把復(fù)雜的神經(jīng)網(wǎng)絡(luò)編碼變成可視化編排過程，編排完成后自動訓(xùn)練，不需要設(shè)置任何參數(shù)。即使是深度學(xué)習(xí)建模的初學(xué)者，也能完成專業(yè)級模型開發(fā)。
多模態(tài)數(shù)據(jù)，一次打通輕松應(yīng)用
醫(yī)學(xué)研究的難點(diǎn)，往往在數(shù)據(jù)。
影像數(shù)據(jù)來自PCCT、CT、MRI、X光、數(shù)字病理、內(nèi)鏡等，臨床數(shù)據(jù)來自HIS、LIS、電子病歷，組學(xué)數(shù)據(jù)來自基因組、蛋白質(zhì)組——多源異構(gòu)，格式不一，整合起來耗時耗力。
平臺做的事情是：統(tǒng)一管理影像數(shù)據(jù)、臨床數(shù)據(jù)、組學(xué)數(shù)據(jù)、病理數(shù)據(jù)、人口學(xué)數(shù)據(jù)、隨訪數(shù)據(jù)，支持DICOM、JPG、PNG、NII、CSV等多種格式，用一致的標(biāo)準(zhǔn)存儲和處理。
數(shù)據(jù)導(dǎo)入后，平臺自動生成數(shù)據(jù)畫像——缺失值、偏倚量、效應(yīng)量、正態(tài)性、數(shù)據(jù)分布、質(zhì)量分析、相關(guān)性分析，一鍵出結(jié)果。
在多模態(tài)融合分析場景下，平臺將不同模態(tài)的特征進(jìn)行編碼組合，形成聯(lián)合特征。醫(yī)生可以用影像+文本+臨床指標(biāo)一起建模，而不是只看單一維度，從而更全面地理解疾病機(jī)制、發(fā)現(xiàn)新標(biāo)志物。
精準(zhǔn)統(tǒng)計分析，賦能科研發(fā)現(xiàn)
對醫(yī)學(xué)科研而言，統(tǒng)計分析與機(jī)器學(xué)習(xí)同樣重要。平臺內(nèi)置了完整的統(tǒng)計分析工具，覆蓋t檢驗(yàn)、方差分析、卡方檢驗(yàn)、回歸分析、相關(guān)性分析等常用方法，同時支持連續(xù)型變量統(tǒng)計等多種參數(shù)選擇。統(tǒng)計結(jié)果可以條形圖、直方圖、箱線圖、QQ圖等形式直觀展示，原始數(shù)據(jù)一旦調(diào)整，統(tǒng)計結(jié)果實(shí)時更新，無需重新計算。更重要的是，整個分析過程與結(jié)果一同保存，支持完整重現(xiàn)，確?？蒲袊?yán)謹(jǐn)性。這讓醫(yī)生在建模之前就能深度理解數(shù)據(jù)特征，為后續(xù)特征篩選和模型選擇提供可靠依據(jù)。
從課題到成果，全流程閉環(huán)
一個完整的醫(yī)學(xué)AI研究，不只是訓(xùn)練模型。
平臺覆蓋課題管理、數(shù)據(jù)管理、數(shù)據(jù)處理、算法開發(fā)、模型訓(xùn)練、成果管理全流程。課題負(fù)責(zé)人可以在平臺上分解任務(wù)、分配給團(tuán)隊成員、跟蹤進(jìn)度，支持任務(wù)依賴關(guān)系和優(yōu)先級設(shè)定。數(shù)據(jù)處理過程可追溯，數(shù)據(jù)流圖讓每個數(shù)據(jù)集的來龍去脈一目了然。
平臺內(nèi)置算法服務(wù)平臺，集成210+內(nèi)置算法，支持算法的集成、共享和評價。團(tuán)隊訓(xùn)練的模型可以封裝為標(biāo)準(zhǔn)格式導(dǎo)出，部署到第三方平臺使用——這意味著科研成果不再只停留在論文里，可以真正轉(zhuǎn)化成產(chǎn)品。此外，平臺還提供“定制實(shí)驗(yàn)空間”，允許研究者上傳自有Python代碼并調(diào)用平臺GPU資源運(yùn)行，進(jìn)一步拓展了靈活性和可擴(kuò)展性。
已在眾多醫(yī)院落地驗(yàn)證應(yīng)用效果
目前，東軟已與20多家醫(yī)療機(jī)構(gòu)建立了醫(yī)工協(xié)同關(guān)系，并與復(fù)旦版《2023年度中國醫(yī)院綜合排行榜》Top60醫(yī)院中的23家建立深度合作?，F(xiàn)在，探索多模態(tài)醫(yī)學(xué)星空人工智能平臺上有多個真實(shí)案例在跑：
某醫(yī)院醫(yī)生用膝關(guān)節(jié)MR影像結(jié)合臨床數(shù)據(jù)，建立髕下脂肪墊與疼痛的預(yù)測模型。使用平臺前，數(shù)據(jù)處理、特征提取、建模分散在不同工具中，轉(zhuǎn)換過程容易產(chǎn)生誤差。使用平臺后，所有分析在一個集成環(huán)境中完成，醫(yī)生只需關(guān)注業(yè)務(wù)邏輯，模型訓(xùn)練由平臺自動完成。
另一個案例是多模態(tài)融合預(yù)測乳腺癌分子分型。醫(yī)生融合X線、超聲、血清腫瘤標(biāo)志物、病理分型等多因素，探索不同組合建模。平臺幫助醫(yī)生完成了MR影像組學(xué)特征提取，并通過多種特征組合與模型對比，找到了最優(yōu)方案。平臺的可復(fù)用流水線讓重復(fù)實(shí)驗(yàn)效率大幅提升。
一個值得注意的趨勢
醫(yī)學(xué)AI的落地瓶頸，正在從“算法不夠好”轉(zhuǎn)向“用起來太難”。
算法能力已經(jīng)不是問題。問題在于，臨床醫(yī)生不會用、用不起、用不順。誰能把AI開發(fā)的門檻降下來，誰就能打開真正的規(guī)?；瘧?yīng)用空間。
東軟的思路很明確：不做“給算法工程師用的工具”，做“給臨床醫(yī)生用的平臺”。150個算子、210+內(nèi)置算法、多模態(tài)數(shù)據(jù)打通、無代碼全流程閉環(huán)、柔性工作流、定制實(shí)驗(yàn)空間——這些技術(shù)能力堆在一起，指向的是一個目標(biāo)：讓醫(yī)學(xué)AI研究從“少數(shù)人的專業(yè)”變成“多數(shù)人的日常”。
越來越多的醫(yī)院和科研機(jī)構(gòu)正在加入這條路徑，驗(yàn)證著這一目標(biāo)的可行性。
星空人工智能技術(shù)網(wǎng) 倡導(dǎo)尊重與保護(hù)知識產(chǎn)權(quán)。如發(fā)現(xiàn)本站文章存在版權(quán)等問題，煩請30天內(nèi)提供版權(quán)疑問、身份證明、版權(quán)證明、聯(lián)系方式等發(fā)郵件至1851688011@qq.com我們將及時溝通與處理。?。?a href="/">首頁 > 星空人工智能產(chǎn)業(yè) > AI大模型 » 從“算法內(nèi)卷”到“可信易用” 東軟多模態(tài)醫(yī)學(xué)星空人工智能平臺開啟無代碼科研新時代