欢迎访问智慧医疗网 | 网站首页
 
当前位置:首页 > AI医疗应用前沿

医疗健康云平台-AI中台

发布时间:2025-09-01 来源:智研医知 浏览量: 字号:【加大】【减小】 手机上观看

打开手机扫描二维码
即可在手机端查看

面向医疗场景,人工智能作为新质生产力的重点方向,已经在很多医疗场景和诊疗方向提供了大量的产品,提高了效率,增加了医疗服务的精准性和可及性。尤其是随着大模型的日益兴起,涌现出来的能力已经开始对医疗场景带来改变。这些大模型在医学影像分析、疾病诊断、个性化治疗方案制定等方面展现出卓越的性能,不仅提高了医疗工作的效率,还极大地改善了诊断的准确性。大模型还能通过分析海量的医学数据,发现潜在的疾病关联和新的治疗方法,推动医疗研究的进步和创新。

大量的医疗人工智能涌现而出,这些人工智能应用需要从数据、算力、算法上提供系统性的平台支持;另外一方面,大量的医疗场景需要人工智能的支持,需要有一套训练、推理、应用构建的一体化平台,加速人工智能的孵化。因此统筹建设医疗服务的人工智能中台,成为了新质生产力下的医疗服务的必须。


应满足自然语言处理NLP、语言识别、图像识别、人脸识别、医疗服务智能机器人,提供AI支撑组件和机器识别和深度学习与算法训练建模、具有数据标准和可视化建模能力。可实现模型管理和资源管理。

建立人工智能医疗服务平台,在医疗机构临床工作流方面实现数字化、便捷化、智能化的全面升级,提升临床影像病理诊断服务水平和工作效率。

平台及应用要求能同时覆盖放射影像和数字病理图像,且满足覆盖多个模态数据、多个AI功能、多个临床科室、多个应用场景的要求。


AI中台方案价值




人工智能中台体系设计,从五个维度上提供了核心能力:

1、从基础能力上,提供了:数据、算力、算法三象限的基础支持
2、从模型生命周期上,包含了模型的:标注、研发、训练、推理、应用构建、模型-应用反馈的全流程
3、从模型支持维度上,既支持了传统的医疗影像、文本、医疗垂直领域的人工智能模型,更支持了文本大模型、图像大模型、医疗混合模态大模型等
4、从平台管理上,提供了系统性观测、资源调度运营管理、模型质量监管、运营监管等
5、从AI应用快速部署上,提供了灵活、适配性高的运行沙盒,用于多种类型的AI应用部署


要功能




1、算力与资源管理

(1)多算力、多维度算力调度管理:统一管理和调度不同类型和规模的算力资源
(2)多维度监控报警:提供系统监控和报警机制,确保系统高效稳定的运行
(3)潮汐调度、弹性调度:根据预设规则或者弹性自动规则,自动调度训练-推理-人工智能应用之间的算力资源调度

2、数据管理和标注

(1)数据管理:提供模型训练、验证所需的数据管理平台,支持和数据中台对接,进行合规安全的专用数据集的构建和管理
(2)标注流程管理:提供基于医疗标注要求的全流程可追溯的管理
(3)数据智能标注:提供内置医疗影像、医疗文本模型、医疗大模型的全自动、半自动、全手动的标注工具,支持混合医疗模态数据集自动融合

3、模型研发与训练

(1)模型研发:提供从模型构建、训练、调优到评估的全流程研发支持
(2)分布式训练:支持超大规模、大模型的分布式训练,支持数据并行、模型并行、复杂并行工作流的训练模式

4、模型部署与服务

(1)模型、数据集市:实现模型、数据到集市的发布,调用部署
(2)MaaS服务能力:提供模型即服务的能力,通过平台提供各种模型服务的接口
(3)推理服务:优化模型的推理过程,提供自动化的部署能力,提供模型推理的量化优化工具
(4)调度服务:提供基于模型推理过程中的并发,进行多模型、弹性的调度
(5)模型微调:基于现有基础模型的快速微调

5、应用市场

(1)提供多种AI所需的运行环境
(2)多租户的方式、订阅制按需使用AI应用
(3)AI数据、AI访问的汇聚和访问控制,AI数据的主动结构化
(4)通过AI结果的指标,自动进行多场景、多应用的联动计算,提高AI应用的自动化和智能化水平
(5)检索引擎,可以对历史AI结果进行大规模检索,帮助快速查找和分析,支持更明智的决策。

6、模型管理与运维

(1)模型测试:提供模型测试环境和工具,确保模型质量和性能

(2)运营管理:提供对模型质量的反馈和收集,提供模型调用过程中的记录和回顾反馈

7、大模型应用构建工具

(1)提供信息采集内置工具,支持对文本、网页、数据中台等系统中提取信息
(2)支持基于大模型的文本向量化工具、医疗图像向量化工具,向量数据库、多维度的检索功能
(3)支持基于大模型的RAG模式的智能体构建、Agentic工作流构建轻代码工具
(4)支持通过服务接口、对话界面的方式提供给医疗场景应用使用。


设内容




1、自然语言理解与处理

用户通过填写技能名称、技能标识等完成技能创建,基于技能创建意图,进行意图编辑、测试验证等功能应用;
(1)可以从外部平台或服务器上下载技能,批量导入到本地平台;
(2)支持技能编辑、技能删除、单个技能下载和批量选中后下载等维护功能;
(3)用户通过填写意图名称、意图标识等完成创建,意图标识不可更改,创建完成后即可基于意图添加语料,进行语料结构化、技能构建、测试验证等功能应用;
(4)支持意图的字段编辑、意图删除、单个意图查询功能;
(5)支持让机器理解用户意图的自然语言回答,具体包括:语料、实体、只能贴弧等功能;
(6)支持提示意图是否完成构建,待验证语料是否包含非法字符,并对已完成构建的意图进行验证测试;
(7)支持填写实体名称、实体标识、描述及内容词条来完成创建;
(8)支持自建实体内容的编辑、删除、查询;
(9)支持病历、报告、医疗文献的自动摘要、关键词提取、情感分析和主题建模;
(10)支持理解复杂的医学术语和上下文,支持医生和患者的自然语言交互。

2、医疗语音识别服务

(1)支持中文连续语音听写识别,标准或带口音普通话、粤语的免切换;
(2)支持中英文混合听写,提供中文中混读少量的英文听写功能;
(3)支持按数字串或数值读多种方式的听写识别功能;
(4)提供标点智能预测和口述标点相结合方式;
(5)支持短语音(<60s)和连续超长语音(>3h)识别功能;
(6)持带低噪音频的听写识别功能;
(7)支持热词优化,可在服务端添加个性化或全局热词,实时生效,提升专有词汇的识别率;
(8)支持对语音停止间隔进行参数配置,满足不同场景需求;
(9)支持场景化小包资源,默认提供5个;
(10)支持文本规范化处理,如字母大小写、数字串、医学单位符号规整等;
(11)支持服务端语音识别服务API和SDK调用,接口支持Android以及Windows系统;
(12)医学AI中台中文语音识别准确率达到96%及以上(第三方机构测试报告)。

3、语音合成

(1)实时将文字信息转化为声音信息;
(2)支持多个医疗定制发音人,满足多场景合成播报需要;
(3)提供多档语速配置,支持在语音合成时,灵活改变语音播放速度;
(4)提供多档音量配置,支持在语音合成时,灵活控制音量的大小;
(5)支持中英文文本的混合播报,其中中文支持普通话和粤语和英语;
(6)支持用户自定义发音词典、停顿优化等参数设置的标记语言;
(7)支持语音合成服务接口调用;
(8)医学AI中台中英文语音合成自然度达到4.5分及以上。

4、图像识别与人脸识别

(1)使用图像识别技术来自动检测和分析医疗图像,如X光片、CT扫描、MRI图像和病理切片等,以辅助医生进行疾病诊断和治疗规划。
(2)利用卷积神经网络(CNNs)等模型,从图像中自动学习到复杂的特征表示,用于疾病的识别和分类。;
(3)对医疗图像进行预处理,包括图像增强、噪声去除、对比度调整等,以提高图像的质量和特征的可辨识性;
(4)结合如MRI和CT图像等多种类型的图像信息机型进行多模态融合,以获得更全面的诊断依据,提高检测的准确性和可靠性;
(5)利用图像分割和三维重建技术进行可视化处理,帮助医生更好地理解和展示病变的位置和范围:
(6)利用计算机分析人脸图像,提取特征并与数据库中存储的模板比对,以确认个人身份的生物识别技术。应用于医院的患者身份确认和重要区域的人员管理等安全验证、访问控制等领域。

5、模型管理及应用

AI中台基于资源进行建模和应用支撑,其支撑流程如下:
(1)利用模型开发组件,notebook代码式开发和工作流拖拉拽组件式,选择机器学习框架的镜像构建模型开发环境;
(2)利用模型开发组件实现模型开发,并设置模型训练参数,包括计算资源选择,评估方法等实现模型训练任务创建,并启动模型训练任务;
(3)利用模型管理将模型训练的模型进行统一管理,并设计模型对比、模型版本、模型评估等功能;
(4)利用模型管理中抽象的模型将进行模型服务发布,选择计算资源、模型路径、启动参数等,实现模型服务发布。在服务详情内创建模型接口,模型接口对应每一项模型服务的子功能,利用接口实现应用支持。

6、数据接入

考虑系统数据源的复杂性和来源多样性,平台支持访问广泛的数据,包括:结构化数据、半结构化数据、非结构化数据,内部数据、外部数据。
(1)为保证数据源对接操作的灵活、易用性,数据源对接提供图形化参数置界面操作,无需掌握复杂的各种数据库技术;
(2)支持本地文件的数据源接入;
(3)支持常见文件格式(txt、csv、Excel等)的数据源接入;
(4)支持传统关系型数据库(至少支持Oracle、PostgreSQL、MYSQL)的数据源接入;
(5)支持分布式数据存储(HIVE、HDFS等)的数据源接入;
(6)支持MPP数据库(Greenplum、Teradata等)的数据源接入;
(7)支持非结构化数据(文本、图像、zip格式)的接入;
(8)为方便数据分析人员进行快速的数据定位,针对接入的结构化数据需支持数据的预览功能,图表的形式展示数据样本、字段、字段类型等内容;
(9)考虑到数据的安全性问题,需支持项目级别的数据隔离和授权管理。

7、自动机器学习建模

考虑到未来建模需求的普遍性,满足更多数据分析人员甚至业务人员的建模需求,平台需支持自动化建模能力,最大程度降低建模门槛,提高建模效率。
具体要求如下:
(1)支持选择数据集后一键自动化机器学习建模;
(2)支持自动化特征工程处理;
(3)支持建模设计可视化,训练过程可视化,建模成果可视化;
(4)支持查看自动机器学习建模所得的机器学习模型的源代码;
(5)支持自动化选择多种算法模型并调参优化模型;
(6)支持自动超参数优化;
(7)支持自动机器学习建模也一键生成可视化分析工作流,实现与拖拽式建模模块的打通,以便用户对其进行更加专业、灵活的优化迭代。

8、模型服务

机器学习模型训练的最终目标是为了满足业务应用服务,平台需提供模型由训练环境到生产环境的一键式部署上线功能,降低模型上线的工程化难度,提高模型部署效率。

在线模型服务支持在线部署应用,以API的形式面向上层业务提供服务。

平台支持多种调用方式,并提供相应的代码样例,包括但不限于同步API调用、消息队列异步调用的实时模型应用方式以及批处理的非实时模型应用方式,从而满足具有不同延时要求的场景的业务需求;

模型生产化部署需包含特征工程,包含但不限于缺失值填充、归一化、数值编码、OneHot编码、数据集拆分等方法,可以实现通过使用原始数据集进行模型调用;

为保证业务安全、稳定,需支持模型的上线审核;

支持对模型的生命周期进行管理,提供包括部署、正式上线、灰度上线、影子上线、下线等操作。

9、基础算法库

针对分析场景的多样化需求和未来可能的数据建模需求,平台需提高丰富的算法库支持,要求包括:分类、聚类、回归、关联、时间序列、统计、推荐及文本挖掘等不同类型的算法,并支持开发人员进行自由扩展。

支持包括Python2、Python3、PySpark等不同开发语言的算子。


特别声明:智慧医疗网转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明智慧医疗网的内容为智慧医疗网原创,转载需获授权。

智慧医疗网 © 2022 版权所有   ICP备案号:沪ICP备17004559号-5