５月２４日，國家數(shù)據(jù)局會同生態(tài)環(huán)境部、交通運輸部、金融監(jiān)管總局、中國科學(xué)院、中國氣象局、國家文物局、國家中醫(yī)藥局等相關(guān)部門在第七屆數(shù)字中國建設(shè)峰會上發(fā)布第一批２０個“數(shù)據(jù)要素×”典型案例，通過示范引領(lǐng)，激勵多方主體積極參與，釋放數(shù)據(jù)要素價值。

其中，“數(shù)據(jù)要素×醫(yī)療健康”領(lǐng)域，來自訊飛醫(yī)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(shù)據(jù)局公布入選案例細(xì)節(jié)：

基層醫(yī)療衛(wèi)生體系是守護(hù)億萬人民群眾身體健康的“第一道防線”，事關(guān)每個人的生活質(zhì)量。但基層醫(yī)療機(jī)構(gòu)往往面臨人才不足、醫(yī)生隊伍不穩(wěn)定、資源供給有限等問題，難以完全滿足廣大群眾對醫(yī)療服務(wù)的需求。

為提升基層醫(yī)療服務(wù)水平，訊飛醫(yī)療科技股份有限公司通過對海量醫(yī)療數(shù)據(jù)的收集和分析，構(gòu)建醫(yī)療ＡＩ大模型，為基層診療提供智能化輔助，促進(jìn)基層醫(yī)療服務(wù)提質(zhì)增效。

圖１　場景流程圖

一是匯聚高質(zhì)量數(shù)據(jù)資源訓(xùn)練模型。與中華醫(yī)學(xué)會雜志社、開放醫(yī)療與健康聯(lián)盟等權(quán)威機(jī)構(gòu)合作，匯聚公開脫敏數(shù)據(jù)，構(gòu)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(guī)范及指南等內(nèi)容的數(shù)據(jù)資源庫，訓(xùn)練形成智慧醫(yī)療ＡＩ模型。二是推進(jìn)醫(yī)療數(shù)據(jù)與“問、診、治”場景深度結(jié)合。模型與行業(yè)信息平臺和醫(yī)院信息系統(tǒng)對接，以“數(shù)據(jù)不出本地局域網(wǎng)”方式匯聚分析患者病歷數(shù)據(jù)及歷史健康信息數(shù)據(jù)。實現(xiàn)在醫(yī)生問診過程中，根據(jù)問診邏輯提示病情問診；在診斷過程中，對患者病歷數(shù)據(jù)進(jìn)行智能化分析和判斷，協(xié)助醫(yī)生對病情進(jìn)行合理診斷；在醫(yī)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(jié)果數(shù)據(jù)及時報送醫(yī)療主管部門復(fù)核。

截至目前，該系統(tǒng)已在全國５０６個縣區(qū)的近５．３萬個基層醫(yī)療機(jī)構(gòu)應(yīng)用，服務(wù)６萬余名基層醫(yī)生，累計提供７．７億次ＡＩ輔診建議，規(guī)范病歷２．９億次。經(jīng)該系統(tǒng)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(shù)６２００萬，ＡＩ輔助診斷合理率提升至９５％（重點地區(qū)９７％），覆蓋疾病數(shù)量超１６８０種。

圖２　統(tǒng)一標(biāo)準(zhǔn)、規(guī)范的數(shù)據(jù)采集處理流程

“數(shù)據(jù)要素×”典型案例之十三：高質(zhì)量藥物數(shù)據(jù)集提高新藥研發(fā)質(zhì)效

提升創(chuàng)新藥自主研發(fā)能力關(guān)乎國家生物醫(yī)藥產(chǎn)業(yè)轉(zhuǎn)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(zhì)量藥物數(shù)據(jù)在新藥研發(fā)的過程中至關(guān)重要，目前國內(nèi)藥物數(shù)據(jù)來自不同細(xì)分領(lǐng)域的學(xué)術(shù)數(shù)據(jù)庫，存在流通不暢、資源分散和標(biāo)準(zhǔn)不統(tǒng)一等問題。

北京市計算中心有限公司通過多渠道、合規(guī)收集海量藥物研發(fā)關(guān)鍵數(shù)據(jù)，建立專業(yè)的新藥研發(fā)數(shù)據(jù)集，進(jìn)行智能化分析和數(shù)據(jù)挖掘，有效降低新藥研發(fā)周期，賦能上百個新藥研發(fā)項目。

一是多渠道收集藥物研發(fā)數(shù)據(jù)。通過公開數(shù)據(jù)庫下載、文獻(xiàn)信息整理、公開渠道購買等多種方式，收集藥物相關(guān)的分子結(jié)構(gòu)、理化性質(zhì)和靶點信息等藥物研發(fā)關(guān)鍵數(shù)據(jù)，并通過計算機(jī)輔助和人工校驗確保數(shù)據(jù)質(zhì)量可靠，為科研人員提供了較強的數(shù)據(jù)支持，明顯提高藥物研發(fā)的準(zhǔn)確性、可靠性和實用性。

二是建立高質(zhì)量新藥研發(fā)數(shù)據(jù)集。對匯聚數(shù)據(jù)進(jìn)行統(tǒng)一處理，形成能夠支撐藥物數(shù)據(jù)研發(fā)的高質(zhì)量數(shù)據(jù)集，該數(shù)據(jù)集包括小分子、多肽和蛋白靶點數(shù)據(jù)，其中小分子和多肽信息４００余萬條（幾乎覆蓋當(dāng)前全部藥物數(shù)據(jù)領(lǐng)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(shù)據(jù)?；谌斯ぶ悄芩惴▽λ幬飻?shù)據(jù)集進(jìn)行數(shù)據(jù)挖掘和藥物特征提取，形成疾病相關(guān)的藥物有效特征，為新疾病靶點預(yù)測和對應(yīng)藥物研發(fā)提供準(zhǔn)確、個性化、智能化分析服務(wù)。目前已與全國３０余家高校和科研院所開展合作，利用高質(zhì)量藥物數(shù)據(jù)集和智能服務(wù)開展的新藥研發(fā)項目１００余項，人工智能預(yù)測靶點超１萬余個，基本覆蓋了已知疾病。

注：文章來源于網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系刪除