助力高水平医院建设 智慧医学科研平台 全院级“多模态异构数据治理 + 智能工具应用 + 科研转化体系建设”支撑高水平医院建设目标 多模态异构数据治理 • AI 技术 + 疾病知识图谱融合 • 文本数据 + 影像组学 + 生物信 息等多模态数据治理 AI 技术赋能 • NLP 自然语言处理 • 深度学习 / 机器学习 • 统计分析支持

大模型语言本身具有很强的语言理解或生成能 力，然而为了提高其叙述内容的真实性和严谨 性，需要采用特定的技术路线，例如将知识图 谱中的事实描述融入大模型的训练过程中。 知识嵌入： Zhang 等人通过将知识图谱的表示 向量加入到 BERT 中对应的 tokens 编码内，从 而 使得模型学习到与知识相关的事实信息，增 强 了模型在相应知识领域的准确性。 [1] 相关模型在 FewRel 和 TACRED prompting for commonsense reasoning." arXiv preprint arXiv:2110.08387 (2021) 知识图谱应用于大模型训练后阶段： Liu 等 人提出了知识生成式大模型提示方法，让 模型 进行知识预测，通过将知识图谱的三元 组形式 转化成 Question and answer 的形式， 让模型 生成一些知识，然后将这些知识进行 聚合，从 而得到最终的更为精确靠谱的结果。 1 ）构建并融合知识图谱 + LLaMa （ Meta 公司开源的生成式大 模 型） 利用知识图谱直接显式的进行形式化拼接，引入预训练语料，通过 微调的开源大模型，得到精确性与可解释性更好的模型。 2 ）知识图谱在 prompt engineering 中的应用方法 知识图谱的引入可以使其上下文环境更符合现有领域知识，比如用 知识图谱来构建不同疾病之间的关系。通过知识图谱引入专家知识， 在

淀到医院“智慧大脑”中，形成场景化的操作系统设计。 学习与思维 将感知到的数据转化成有 意义的信息和知识。 临床数据模型 • • • • • • • 诊断知识图谱 治疗知识图谱 药品知识图谱 护理知识图谱 检查知识图谱 检验知识图谱 …… 知识图谱 学习与思维 感知与记忆 CDSS 管理数据模型 管理指标体系与规则库 医疗质量监管平台 护理质量监管平台 决策与应变 科研数据模型 基于 196 业务流程条目数： 2736 中台技术 业务中台 语音训练 模型训练 数据标注 NL 知识图谱 AI 中台 数 智 中 台 数据采 据存储 数据中台 技术中台 中台技术 AI 中台 HOS 标准内嵌 诊断 术语 临床 路径 技术 HOS 标 知识 图谱 互联 互通 数据 上报 业务 接口 流程完整表达        … 医疗护理 人力资源

AI+医疗如何落地防疫诊疗全流程 ——盘点五大智慧医疗典型案例 案例概览 案例 1 | 基于知识图谱的新冠肺炎防护问答助手，离智能更近一步——柯基数据 案例 2 | 不只是疫情咨询，院前预检筛查成智能问答新“战场”——朗通医疗 案例 3 | 互联网医疗作为“第二战场“，在疫情防控中发挥重要作用——左手医生 案例 4 | 高敏快速检出病灶，CT+AI 助力医院实现“应收尽收”——体素科技 疫情中智慧医疗在多环 节部署的牵引力就是突然催生的需求和应用场景。纵观本次疫情中的智慧医疗 应用，大致可分为智能问答、线上问诊以及 AI 辅助诊疗。 在诊前环节，虚拟助手依靠自然语言处理和知识图谱等 AI 技术提供智能问答服 务，承担减轻恐慌、分流普通患者的任务；同时，线上问诊作为线下诊疗的补 充，在患者就诊前通过人机交互技术快速收集患者病情信息，进行患者筛查， 减轻医院和医生负担，实现智能分诊与导诊。 病的复诊，但是疫情过后，随着政策支持与用户使用习惯的培养，可以预见不 管是慢性病的长期诊疗和管理，还是心肺疾病等重要疾病的长期愈后服务，都 会借助互联网医院和智能化的手段得以加快发展。 案例 1 | 基于知识图谱的新冠肺炎防护问答助手，离智能更近一步 疫情爆发初期，大量患者对病情知识匮乏，出于对自身症状的恐慌到医院就医， 人群聚集引起交叉感染风险。因此，短时间内正确地将大量疫情信息及预防措 施以简单易

新应用技术及辅助设备 经济发达地区 经济中等发达地区 经济欠发达地区 平均值 门诊发药机 住院包药机 医学影像AI 院内导航GIS 电子药柜 电子医用材料柜 穿戴式生命体征监测 输液监测系统 医学知识图谱 物品定位 人员定位 其他 未采用 未知 5 院端的新应用技术及辅助设备应用最广的为门诊发药机、住院包药 机和医学影像AI，但地区差异明显，经济发达地区应用率为其他地 区的2倍以上，AI赋能将实现地域普惠 搜索《2023年中国AI医院信息化行业概览： 大模型赋能医院智慧化转型》 www.leadleo.com 400-072-5588 ©2022 LeadLeo Chapter 2 中国AI医院信息化产业链分析 q 产业链图谱 q 上游分析 q 中游分析 q 终端应用 中国AI医院信息化行业 行业概览 | 2023/08 www.leadleo.com 400-072-5588 9 中国AI医院信息化行业上游主要为硬件设备及原材料，其中硬件设 中国AI医院信息化行业上游主要为硬件设备及原材料，其中硬件设 备占成本60%；中游为医院信息化服务商，包含基础设施层、业务 层和数据层三大核心；下游为医疗卫生机构及患者 中国AI医院信息化产业链分析——产业链图谱 来源：头豹研究院 AI医院信息化产业链图谱 完整版登录www.leadleo.com 搜索《2023年中国AI医院信息化行业概览： 大模型赋能医院智慧化转型》 中国AI医院信息化行业 行业概览 | 2023/08

2 图 1. 智慧中医全场景地图 （资料来源：公开资料整理） 中医药传承场景指的是将中医古籍、临床医案进行结构化处理，通过知识 图谱等技术进行挖掘，实现对既往患者救治经验的提取。 中医诊断场景指的是将中医诊断依靠的望闻问切、经络诊断、体质辨识等诊 断手段数字化，借助智能终端和 AI 辅助做出更精准全面的诊断。 中医非药物治疗场景是指借助机器人、AI 2016 年，谷歌公司的 深度学习技术产品阿尔法狗的诞生，拉开了新一轮人工智能技术的序幕。在这一 轮人工智能热潮中，通过深度学习、强化学习、迁移学习等技术手段，极大地推 动了自然语言处理、知识图谱、大数据挖掘、图像识别等相关领域的应用与发展。 这些新技术还在辅助诊断、新药发现等领域发展发挥了重要作用。 在中医药领域，深度学习、迁移学习技术已经广泛应用于中医舌诊、面诊的 5 合运用在续贯诊疗方案优化中，并在冠心病和糖尿病的数据测试中得到了优于传 统深度学习的效果。而以卷积神经网络、循环神经网络等为基础的各类学习技术 在其它领域已经展示了其强大的能力。通过将自然语言处理、知识图谱中的一些 技术手段结合各类新型算法，来自动化构建知识模型以及进行自动化的知识发现 也是当前的热点，这些技术的研究与发展也必将能帮助解决中医智能辨证中面临 的一些重大问题。

基于医学知识库的结构化诊断 结构化诊断 结构化诊 断录入 结构化诊断应用示例3 | 临床智能辅助 医为智能 提示 诊断术语应用示例3 | 临床智能辅助 智能匹配 ICD 调阅相关 文献 知识图谱 展现 推荐诊疗 方案 推荐检验 检查 规范临床术语、治理诊疗流程、提升临床数据质量、临床辅助决策、为数据利用打好基础 规范诊断 临床辅助 提高质量 对医疗信息化的直接帮助 数据驱动的一体化 自然语言处理 • 准确率：结构化准确的字段/所有结构化出的字段 • 召回率：结构化准确的字段/所有应该结构化出的字段 • 准确率：95%； • 召回率：85% 以诊断为核心的术语集构建 医用知识图谱 关于东华医为 03 东华软件股份公司总部位于北京海淀区中关村，2006 深圳上市，现市值：400 亿，现有员工7600人； 1999年成立东华医疗卫生事业部，正式进入医疗IT领域，历经17载，现有1800员工，年销售收入5

全球首个基因组自动建模工具 全新多组学 AutoML 框架 临床研究引擎 百亿级参数 百亿节点 / 万亿边 盘古医学 NLP 大模型 超大医疗知识图谱 · 临床研究 · 覆盖医学文本结构化，医学知识图谱， AI 临床辅助 决 策，临床标记物发现、风险预测等问题 松山湖运动健康实验室，打造专业平台，高效成果转化 药物研发引擎 亿级参数 20+ 任务 盘古药物分子大模型

传统实验方法在通量和成本方面的局限性问题，利用多组 学数据分析和文本挖掘方法，整合丰富的生物学数据，结 合自然语言处理、深度学习、图像识别以及大模型等人工 智能（AI）技术，构建新药研发知识图谱，开展复杂蛋白 质结构预测，显著提升药物靶点的识别和筛选效率。 2.智能药物分子设计与优化 面向药物分子设计和先导化合物优化等业务活动，针 对传统基于经验的药物设计模式限制问题，通过运用计算 32.中药原料质量传递、回顾与优化 面向中药材原材料选择、混料投料等业务活动，针对 中药原料品种多、来源广、处理工艺复杂、质量差异性大 等问题，部署质量回顾和优化系统，采用物性指标、指纹 图谱、生物传感器等评价技术，针对饮片炮制、中成药提 取、浓缩成型等质量传递过程开发统计分析算法，实现及 13 时准确的中药原料质量回顾与数据趋势分析，提高中药材 原料的稳定和均一性水平。

提供数据治理和数据提取 引擎，为数据的转换、加 工、清洗、标化、结构化 等处理提供能力 专病大数据 基于疾病的知识图谱，构 建专病信息模型，构建面 向专病的主题数据库 大数据探索分析平台 基于数据元、专病数据集、 知识图谱模型，对数据进 行自动化探索，以评估数 据对临床科研的价值。 临床应用 诊断模型、风险评估模型、