2022年11月26日-27日，第八届中国健康信息处理大会（CHIP 2022）成功举办。本次大会由中国中文信息学会（CIPS）医疗健康与生物信息处理专业委员会（以下简称“专委会”）主办，哈尔滨工业大学（深圳）承办，大会聚集了国内外顶尖医疗信息化行业专家学者，聚焦“数字与智能医疗健康”，共同探讨智慧医疗发展的新趋势、新路径。

东华医为科技有限公司在此次大会上分享了其通过大数据+AI技术，助力医疗机构高效产出科研成果的实践成效。

聚焦科研，助力临床

东华医为科研大数据团队致力于精准医学时代的医学大数据与人工智能新技术及转化，充分发挥自身技术优势，协同医院对多源异构数据进行智能管理、精细化治理。通过大数据、人工智能技术对医疗数据进行结构化和标准化处理，构建科研大数据平台，同时集成多样化、智能化的AI算法模型，应用在临床科研中。

目前，东华医为已经结合医院的诊疗场景落地多项成功案例，通过AI算法模型助力多家研究型医院的科研突破，近年已合作发表20余篇高水平论文，成果卓著。

助力医疗机构产出科研成果，见刊国际顶尖杂志

东华医为科研大数据平台于2013年在北京协和医院全面上线，平台具备临床科研项目管理、CRF设计、科研数据采集、数据核查、修改留痕、数据检索与查询等功能。截至目前，协和医院已通过科研大数据平台建设了50余个专科专病数据库，可通过对接HIS等诊疗系统直接抓取数据，可对文本数据进行自然语言结构化处理，极大的减轻了医生在科研数据采集中的效率，保障数据的准确性。

东华医为与北京协和医院神经外科一直保持着紧密的科研合作，协助神经外科开展了中国垂体注册研究，建设了垂体研究科研数据库，同时提供了机器学习算法的技术支持，双方共同研究项目包括：库欣病早期经蝶术后复发预测模型、经蝶术后延迟缓解风险预测模型、肢端肥大症患者术后延迟缓解等算法，研究成果分别发表在《Neuroendocrinology》、《The Journal of Clinical Endocrinology & Metabolism》、《Endocrine》等专业英文期刊。

东华医为与北京协和医院内分泌科也进行了科研合作，共同开展的新生儿SGA预测研究，通过AI技术，回顾性的收集了孕前有农药接触史的妊娠期妇女，尝试了7种机器学习算法，最终选取了CatBoost算法，其预测效果最好，AUC达到了0.81。同时利用RFE特征筛选，得到了15个影响新生儿SGA的关键因素。最终研究成果在《Frontiers in Public Health》发表。

近年来，除北京协和医院外，东华医为还和中国医学科学院望京医院、河南省人民医院等全国多家医院保持着紧密科研合作，共同产出科研成果。其中，与中国医学科学院望京医院开展了高龄骨科患者的术后低蛋白血症风险预测研究，项目纳入了526名望京医院就诊的老年骨科患者，使用了包括逻辑回归、支持向量机、XGBoost等7种算法模型，最终预测效果AUC超过0.80，此研究为今后高龄骨伤科患者术后并发症相关治疗和预防策略提供了依据。

东华医为与河南省人民开展的回顾性肝细胞癌病理等级预测工作，通过对放射性特征和临床因素相结合训练的机器学习模型，性能显著，AUC为0.80。科研成果在《European Radiology》发表，此研究可以准确的预测肝细胞癌的病理分级，对做出临床决策和治疗方式的选择起到了至关重要的作用。

关于科研大数据平台

东华医为科研大数据平台是一款基于大数据与自然语言处理技术，面向医疗、护理、药事等临床科研的全院级平台，是一套提供数据汇集，数据管理，数据可视化分析于一体的，贯穿医学科研全流程的大数据解决方案。解决以往科研数据存储分散、科研数据模型复用难、数据查询效率低和安全防护等级低等问题。可同时支持回顾性和前瞻性研究，是全院医学科研人员开展临床科研的智能IT助手。

解决方案特色：

全院项目统一管理：系统同时支持单中心、多中心，单病种、多病种项目的构建。支持多个科研项目进行管理，实现对整个医疗机构的临床科研项目的集中统一管理。

灵活的CRF定制：系统支持用户针对不同科研项目的需要，自行定义数据采集表单，无需技术人员参与，并支持多种数据录入方式和数据质量校验。

智能化随访管理：系统支持医生定制随访计划和患者提醒，提高患者满意度和依从性，保证临床数据采集的连续性和完整性。系统具备对单个项目组配置随访流程，并针对每一次随访设置关联的表单的功能。满足预定义随访策略，支持多种随访类型的设置。

全面的数据集成：系统支持从HIS、EMR、LIS和RIS等医院业务系统中自动化采集科研所需要数据，不需要用户重复查找和录入，极大减轻了科研工作量，更能充分利用医院既有信息系统中的数据，避免产生临床科研的“信息孤岛”。

通过大数据+AI技术，东华医为助力医疗机构最大程度的发挥医疗大数据的价值，协助更多的临床专家完成科研成果转化，切实解决临床问题，提高诊治水平，造福病患，服务医疗大健康生态！