行业领域

生物与新医药技术,医药生物技术

需求背景

近年来，我国医疗大数据产业从 “单模态应用” 向 “多模态融合” 升级，《“十四五” 国民健康规划》明确提出 “推动多源医疗数据融合应用”，但多模态数据 “格式异构、关联松散、价值难提取” 问题突出：基因组学数据（FASTQ 格式）、影像学数据（DICOM 格式）、临床文本数据（非结构化文本）缺乏统一处理标准，跨模态数据关联精度普遍低于 70%，严重制约真实世界研究、精准医疗等场景落地。医渡科技作为贵州省医疗大数据核心服务商，虽已建成 “YiduCore” 平台，但多模态数据处理能力不足：在贵州省肺癌真实世界研究项目中，跨模态数据预处理耗时超项目周期的 60%，基因变异与影像病灶关联准确率仅 65%，难以满足药企 “精准筛选临床试验人群” 的需求；同时，贵州县域医疗机构多模态数据资源分散，现有技术无法高效整合利用，导致区域公共卫生监测响应时间延长 30%。目前，国内头部企业如深睿医疗、推想医疗的多模态技术聚焦影像与文本融合，尚未覆盖基因组学数据；通用多模态大模型（如 GPT-4V）因缺乏医疗专业训练，无法直接应用于临床场景。因此，研发医疗场景定制化多模态数据融合技术，对医渡科技突破业务瓶颈、推动贵州医疗大数据高质量发展具有重要意义，也符合国家医疗 AI 技术创新导向。

需解决的主要技术难题

1. 多模态数据统一接入难题：如何研发多格式数据解析模块，兼容 DICOM（影像）、FASTQ（基因组）、HL7 FHIR（临床文本）等 10 + 类医疗数据格式，解决数据预处理效率低的问题（现有预处理耗时占比超 60%），实现 “一键接入、自动解析”，将预处理时间缩短 50% 以上；2. 跨模态数据关联建模难题：如何设计基于跨注意力机制的多模态融合模型，解决基因组学数据（高维序列）、影像学数据（视觉特征）、临床文本数据（语义信息）的特征对齐问题，提升跨模态关联精度（如基因变异与影像病灶关联准确率从 65% 提升至 85%）；3. 数据洞察智能提取难题：如何开发多模态数据洞察分析工具，自动识别跨模态数据中的潜在规律（如特定基因位点突变与肿瘤影像特征的对应关系），并以可视化报告（如热力图、关联图谱）形式输出，支撑药企真实世界研究、医生临床决策，减少人工分析工作量 60% 以上

期望实现的主要技术目标

a. 数据接入目标：1 年内完成多格式数据解析模块研发，支持 15 + 类医疗数据格式自动解析，数据预处理耗时缩短至项目周期的 30% 以内，单批次处理 10 万例多模态数据耗时≤72 小时；b. 模型性能目标：2 年内研发完成跨模态融合模型，基因组学 - 影像学数据关联准确率≥85%，影像学 - 临床文本数据关联准确率≥90%，模型推理速度≥10 例 / 秒（支持 GPU/CPU 双环境部署）；c. 洞察提取目标：2 年内开发多模态数据洞察分析工具，支持自动生成可视化报告（含关联图谱、趋势分析图），工具在药企真实世界研究项目中的采纳率≥70%，人工分析工作量减少 60%；d. 试点应用目标：3 年内在贵州省 5 个真实世界研究项目、10 家智慧医院试点应用，累计处理多模态数据≥100 万例，助力药企缩短药物临床试验周期 20%，帮助医院提升临床决策效率 30%；e. 成果转化目标：3 年内形成 “医疗多模态数据融合解决方案” 1 套，申请发明专利≥8 项，软件著作权≥12 项，推动 1 项技术纳入贵州省《医疗大数据创新应用指南》，融入 “YiduCore” 平台向全国推广