全部商品分類
５月２４日，國家數據局會同生態環境部、交通運輸部、金融監管總局、中國科學院、中國氣象局、國家文物局、國家中醫藥局等相關部門在第七屆數字中國建設峰會上發布第一批２０個“數據要素×”典型案例，通過示范引領，激勵多方主體積極參與，釋放數據要素價值。
其中，“數據要素×醫療健康”領域，來自訊飛醫療科技股份有限公司和北京市計算中心有限公司的兩個案例入選。近日，國家數據局公布入選案例細節：
“數據要素×”典型案例之十二：醫療數據智能化分析輔助提升基層診療水平
基層醫療衛生體系是守護億萬人民群眾身體健康的“第一道防線”，事關每個人的生活質量。但基層醫療機構往往面臨人才不足、醫生隊伍不穩定、資源供給有限等問題，難以完全滿足廣大群眾對醫療服務的需求。
為提升基層醫療服務水平，訊飛醫療科技股份有限公司通過對海量醫療數據的收集和分析，構建醫療ＡＩ大模型，為基層診療提供智能化輔助，促進基層醫療服務提質增效。
圖１ 場景流程圖
一是匯聚高質量數據資源訓練模型。與中華醫學會雜志社、開放醫療與健康聯盟等權威機構合作，匯聚公開脫敏數據，構建涵蓋疾病知識、癥狀體征、檢驗檢查、藥物信息、臨床路徑、診療規范及指南等內容的數據資源庫，訓練形成智慧醫療ＡＩ模型。二是推進醫療數據與“問、診、治”場景深度結合。模型與行業信息平臺和醫院信息系統對接，以“數據不出本地局域網”方式匯聚分析患者病歷數據及歷史健康信息數據。實現在醫生問診過程中，根據問診邏輯提示病情問診；在診斷過程中，對患者病歷數據進行智能化分析和判斷，協助醫生對病情進行合理診斷；在醫生下處方和檢查檢驗時，及時給出常見用藥和常見檢查檢驗建議，并將異常診斷結果數據及時報送醫療主管部門復核。
截至目前，該系統已在全國５０６個縣區的近５．３萬個基層醫療機構應用，服務６萬余名基層醫生，累計提供７．７億次ＡＩ輔診建議，規范病歷２．９億次。經該系統提醒而修正診斷的有價值病歷超１３９萬例，累計識別不合理處方數６２００萬，ＡＩ輔助診斷合理率提升至９５％（重點地區９７％），覆蓋疾病數量超１６８０種。
圖２ 統一標準、規范的數據采集處理流程
“數據要素×”典型案例之十三：高質量藥物數據集提高新藥研發質效
提升創新藥自主研發能力關乎國家生物醫藥產業轉型升級，也與國家生物安全自主可控、國民生命健康緊密相連。高質量藥物數據在新藥研發的過程中至關重要，目前國內藥物數據來自不同細分領域的學術數據庫，存在流通不暢、資源分散和標準不統一等問題。
北京市計算中心有限公司通過多渠道、合規收集海量藥物研發關鍵數據，建立專業的新藥研發數據集，進行智能化分析和數據挖掘，有效降低新藥研發周期，賦能上百個新藥研發項目。
一是多渠道收集藥物研發數據。通過公開數據庫下載、文獻信息整理、公開渠道購買等多種方式，收集藥物相關的分子結構、理化性質和靶點信息等藥物研發關鍵數據，并通過計算機輔助和人工校驗確保數據質量可靠，為科研人員提供了較強的數據支持，明顯提高藥物研發的準確性、可靠性和實用性。
二是建立高質量新藥研發數據集。對匯聚數據進行統一處理，形成能夠支撐藥物數據研發的高質量數據集，該數據集包括小分子、多肽和蛋白靶點數據，其中小分子和多肽信息４００余萬條（幾乎覆蓋當前全部藥物數據領域），潛在的藥物活性位點超過１１萬個。
三是智能化分析和挖掘數據。基于人工智能算法對藥物數據集進行數據挖掘和藥物特征提取，形成疾病相關的藥物有效特征，為新疾病靶點預測和對應藥物研發提供準確、個性化、智能化分析服務。目前已與全國３０余家高校和科研院所開展合作，利用高質量藥物數據集和智能服務開展的新藥研發項目１００余項，人工智能預測靶點超１萬余個，基本覆蓋了已知疾病。
注：文章來源于網絡，如有侵權，請聯系刪除
