编 者 按

近日，科技部陆续公布“十四五”国家重点研发计划重点专项立项信息，神州医疗参与申报的三大专项八个项目，均成功获批立项，印证了公司在大数据分析、人工智能、机器学习、联邦学习、云计算、多模态等方面的超强实力。

国家重点研发计划由原来的国家重点基础研究发展计划（973计划）、国家高技术研究发展计划（863计划）、国家科技支撑计划等专项整合而成，针对事关国计民生的重大社会问题、事关产业核心竞争力、整体自主创新能力，以及国家安全的战略性、基础性、前瞻性重大科学问题等，提供持续性的支撑和引领。

获批项目中，神州医疗共参与11个子课题，涉及肿瘤、传染病、罕见病、常见多发病四大类病种，均是国家疾病谱病种中严重危害国民健康的重大疾病和常见病，具有重要的临床意义。我们将按照以上四大类病种，陆续推出“十四五”国家重点研发计划重点专项系列文章，展开介绍神州医疗深度参与的11个子课题，探讨医疗大数据与人工智能技术在多个临床领域的更多可能性，挖掘多模态大数据的临床与科研价值。

当前，我国整体癌症发病率和死亡率仍然呈现上升趋势，主要原因之一是临床就诊早期病例少、早诊率低以及晚期病例临床诊治不规范。普通健康人群及癌症高危人群如果能够在癌症早期甚至癌前病变期检测出癌症并及早治疗，将会大大降低恶性肿瘤的死亡率，同时减少相关治疗费用。因此，“早筛、早诊、早治”是关键！

神州医疗是国内少数能实现多组学、多模态大数据闭环融合的企业，参与了国内众多大型肿瘤大数据项目，对常见肿瘤的病理学、细胞学、检验学和影像学等多模态数据的采集、标准化处理与智能分析，有着丰富的成功建设经验，面对肿瘤领域相关“卡脖子”问题，神州医疗勇于“亮剑”，以科技创新守护国民健康。

项目名称： 子宫内膜癌早期筛查、精准诊治体系的建立和关键技术研发

牵头单位： 华中科技大学同济医学院附属同济医院

2015年我国子宫内膜癌的发病率是6.34/10万，据预测2022年我国新发病例数84,520，死亡病例数17,523。毫无疑问，子宫内膜癌已严重威胁了我国妇女健康。

当前，我国子宫内膜癌诊疗缺乏有效早筛方案、缺乏可及分子分型、缺乏精准诊疗方案、缺乏综合数据平台、缺乏有效治疗靶点。针对上述五点挑战，项目提出了基于早期筛查(Screening)、临床可及分子分型(Unambiguous Subtyping)、风险分层(Multi-level Stratification)、多模态人工智能诊疗技术研发(Multi-modal Intelligence)、靶向治疗(Targeted Therpy)的SUMMIT策略，将建立适合中国人群和临床可及的子宫内膜癌早期精准筛查体系和分子分型诊断标准，构建用于指导临床治疗策略的风险分层精准评估体系，对于有效提升我国妇女整体健康水平、实现《“健康中国2030”规划纲要》目标具有重大的现实意义。

神州医疗主要参与课题四“基于多模态生物医学大数据的子宫内膜癌智能诊疗关键技术研发”，并负责课题中医学信息学建设部分，包括内膜癌专病库的建设以及内膜癌多模态数据的整合，对研发包括智能量化预后评估模型、智能诊疗决策系统(CDSS)等内膜癌诊疗技术起关键支撑作用。

项目名称： 儿童重要肿瘤与血液性疾病的病因和防治关键技术研究

牵头单位： 中国医学科学院肿瘤医院

儿童肿瘤及血液病是导致儿童死亡的主要因素之一，《“健康中国2030”规划纲要》要求到2030年儿童因慢病过早死亡率下降30%，任务艰巨。儿童肿瘤与血液病异质性大，发病机制不明，亟待建设国家级诊、疗、防数据平台及精确诊疗体系，开发新靶点及治疗新方案。

项目将建立并完善中国儿童重要肿瘤和血液性疾病样本及数据收集网络、监测网络体系和共享体系；筛选和鉴定生物标志物及防治靶标，建立精准分子分型体系和精准诊疗体系；揭示致病性遗传机制；发现并验证治疗耐药复发的潜在靶点，筛选并鉴定小分子新药物，开发精准治疗新药物。

神州医疗作为课题一“中国儿童肿瘤与血液性疾病数据及样本资源共享信息平台建设和监测体系研究”的牵头负责单位，将承担制定多模态数据的采集标准，研发数据协作网底层技术，搭建多组学资源库信息化管理平台和儿童肿瘤与血液病监测系统等重要研究内容，并参与确立生物资源共享机制和建设共享数据集。

同时，神州医疗将通过大数据采集、接口、交换、质控、存储、传输加密以及人工智能等一系列成熟的医疗大数据相关技术，为其他子课题提供重要的技术和数据支撑，助力儿童重要肿瘤、血液病早诊早治生物标志物、致病性遗传位点、驱动机制以及新药靶点的研究探索。

项目名称： 多癌联筛早诊新体系的建立和全国推广应用新策略

牵头单位： 空军军医大学西京医院

神州医疗参与课题一“多癌联筛早诊超大型数据平台的建立及应用”与课题五“多源影像智能判读和自适应优化在多癌联筛中的探索应用”。通过分布式大数据技术和联邦计算的创新应用，将打破孤立存储的异构数据资源，有效整合跨区域、跨场景的多癌联筛医疗大数据资源，在保障数据安全的基础上，扩大医学研究的样本量、数据广度和维度，充分发挥医疗大数据资源的优势，赋能多癌早诊新技术、新产品的开发和推广应用，助力多癌筛查医学研究，节约大量医疗资源与人力成本。

项目研究基于不同癌种影像特征驱动的鉴别诊断及预后预测模型，研发基于自适应配置深度学习的多源影像多癌智能诊断框架，优化基于联邦学习及在线迁移学习的多癌智能诊断模型，探索智能模型对多癌检出率的影响及随访动态变化特征的判别价值。

针对多模态、多癌种数据量大的问题，神州医疗将通过基于引导注意力机制和自监督强化的深度学习模型，提升模型的鲁棒性；针对多时间点动态影像的时间信息难利用的问题，神州医疗将通过双向长短期记忆神经网络模型充分挖掘时间信息，提升模型的准确率。针对同一患者不同模态信息融合时由于尺度不同导致的高维空间特征严重不对齐的问题，神州医疗将采用多头注意力机制，实现多源特征的融合。

凭借多个肿瘤大数据中心平台的成功建设经验，神州医疗进一步开发基于OMOP通用数据模型设计数据模型，涵盖6大癌种的全维度信息，实现海量多模态临床数据全流程自动化治理，将为多癌联筛数据资源的存储与利用提供支撑和保障。