丹枫迎秋，高掌远跖。9月20-22日，2023数字健康创新大会暨第六届智慧医疗创新大赛全国总决赛在哈尔滨成功举办。

经过为期半年的层层选拔，思创贯宇联合兰州大学第二医院共同开发的、可供影像工作者使用的一站式Anythink核医学影像深度学习科研平台（以下简称Anythink科研平台）在入围的224个项目中脱颖而出，荣获应用创新赛道二等奖。

该平台包含智能化图像病例收集与管理系统、一体化图像标注系统、深度学习模型集成系统、影像组学特征计算与分析系统。通过科学的流程控制和集成多种算法框架，在保障研究数据的质量和安全性的同时，只需进行轻松一点便能快速实现数据分类、目标检测等多类型任务的管理，进一步为核医学影像智能化研究提供了原动力。

“专属科研助理”——智能化图像病例收集与管理系统

临床科研千里之行，始于整理海量数据，尤其是图像病例数据的收集冗杂且繁琐，帮手一多还容易忙中出错。Anythink科研平台的智能化图像病例收集与管理系统犹如一名专业贴心的“专属科研助理”，可同时实现影像数据传输、多标签分类管理、科研项目管理、用户与数据访问权限控制的功能。

该系统可通过PACS系统、第三方系统对接等多途径导入符合DICOM格式的所有影像，并将每次检查的图像定向脱敏后作为单个样本，多标签分类管理，便于筛选和统计。对于特定的科研项目，系统支持入组样本的基线信息、标签分类、图像标注和项目数据集的管理，并根据科研项目中操作人员的不同角色创建不同的功能子项目，基于角色定义设置访问权限，保证数据安全，缩短研究周期，推动研究进程。

“上级医师好教秘”——一体化图像标注系统

影像学结果的图像标注工作需要临床医生丰富的经验和长时间的重复工作。如果上级医生的简单教学后，年轻医生能够在“教秘”的引导下完成后续工作，将能极大程度提高科室的科研工作效率。Anythink科研平台的图像标注系统结合AI技术，成功化身兼具方案管理、项目管理、人员控制多项功能的“上级医师好教秘”。

这位“教秘”支持多种标注任务的方案创建，标注流程可繁可简，符合多类项目需求。同时，标注系统可兼容多种类型图像，并能根据标注进度、标注结果完成样本的审核工作。待数据标注任务完成并确认后，“教秘”会根据标注结果发布数据集，并随时纳入新样本。同样地，“教秘”也会根据标注人员的核心程度设置不同的访问权限，保护患者隐私，符合科研伦理要求。

“永不缺席的带教老师”——深度学习模型集成系统

如何把高年资医生的丰富经验学到手？你需要一名随时恭候、永不缺席的带教老师。Anythink科研平台的深度学习模型集成系统包括了深度学习训练任务管理和深度学习模型评价，可谓一名尽职尽责、陪学陪练的“带教老师”。

基于标注完成的数据集，用户可在训练管理界面创建深度学习模型训练任务，系统会从多种选择中自动匹配合适的算法框架，帮助用户完善操作，调度不同学习任务。根据训练任务的模型类型，“带教老师”还会用敏感度、特异度、准确度、混淆矩阵、受试者工作特征等统计学评价方法，以及损失（loss）曲线、学习率曲线等模型评价方法进行多维度评价，尽可能“学到真传”。

“个性化图像分析团队”——影像组学特征计算与分析系统

数据整理和图像标注工作完成后，想对感兴趣的影像区间进行统计分析，却发现《医学统计学》写的简单，做起来真难！没关系，Anythink科研平台的影像组学特征计算与分析系统可以成为科研人“外挂”的“个性化图像分析团队”。

基于勾画标注完成的数据集，该系统能够计算感兴趣区的影像组学特征，包括一阶统计特征、二维和三维形状特征、灰度共生矩阵特征等，还可完成拉普拉斯高斯滤波等图像处理后计算的特征，特征数量共计一千余种。影像组学特征计算完毕，系统还能分析特征、预测病灶分类，进一步开展疾病的风险和治疗效果评估等科研工作。

创新驱动发展——“把访问数据的权利交给真正需要数据的人”

云端的“全能科研服务工坊”——全景多维智能科研云平台

是不是随访电话挂断后，还要整理数据到深夜？科研服务公司又太贵，只能想想！

Anythink全景多维智能科研平台能够一站式收集患者病例信息和随访信息，导入平台后核实治疗效果，解决了数据互通、数据检索等问题。根据临床数据进行组学分析，该平台还能结合特征进一步做对应的预测分析、回顾性研究、前瞻性研究。

该平台同时具备本地端、云端和移动端操作功能，可利用数据建立定制化病种随访管理系统，并提供公众号随访运营服务，为开展单/多中心临床研究、缩短试验周期、降低科研成本提供有力支持。平台还支持不限人数的在线病例沙龙讨论，可以申请召开学术会议，就复杂疑难病例进行深入讨论，有利于人才梯队的构建和培养。拥有这样的云端“全能科研服务工坊”，再也不是“孤立无援”搞科研的临床小白。

值得一提的是，Anythink学科大数据智能管理平台（Anythink MCDR）能够实现全院多学科信息整合和有效管理，横向集成各科室级临床信息，纵向整合患者全生命周期数据，不仅节省了筛选科研数据的时间、还提升数据清洗的效果，加快推进科研进程。

---

作为21世纪科技变革的核心技术，AI为医学发展提供了无限可能。尽管目前国内AI与核医学影像的研究发展较为缓慢，但Anythink科研平台展示了不同以往的科研平台工具属性。从高级算法模型到非代码呈现，它降低了数据处理和组学分析的技术门槛，将图像AI“平民化”，进而能够应用于更多基于图像研究的科室场景。Anythink全景多维智能科研平台从临床数据整理到科研数据分析，不仅降低了数据质量损耗，还提高了临床医生研究工作的效率，鉴于其对多类数据的高兼容性，未来可在更多领域研究中发挥作用。

为贯彻《国务院办公厅关于促进“互联网+医疗健康”发展的意见》中关于“加强临床、科研数据整合共享和应用，支持研发医疗健康相关的AI技术，顺应互联网创新发展趋势，促进产业升级”的精神，未来，Anythink将聚焦高端产品和市场，搭建高新技术与更多临床实践场景之间的创新桥梁，打造汇聚数据整合、学科交互和临床成果转化于一体的智能影像临床科研生态链条，争取利用AI影像技术赋能科研成功转化，率先实现商业化应用，为我国“医疗健康十四五规划”、“2030健康中国”计划的实现贡献科技新力量。