Clip 临床智能中台

AI 大模型的技术基座核心组件深度学习

Clip 智能中台 AI 模型基座

在AI时代，数据中台、技术中台和业务中台形成的数据，直接交付给BI或院长驾驶舱已经没有任何实际意义。这部分数据会直接交付给AI底层模型SIM，在经过SIM汇总清洗后，交给Data Fabric 数据编织平台，数据在经过编织的平台的编制规则整理后，交付给Clip临床智能中台，临床智能中台的数据治理完全按照医院大脑（H-BRain）的要求进行，汇聚到医院大脑的数据就是AI自动化数据，可以对某一个科室的运营提供动态建议并跟踪，可以对某一治疗方案提供实时建议并评估效果。Clip临床智能中台，是介于Data Fabric数据编织平台和医院大脑智能体之间的关键中台，是医院系统AI化的关键环节。

医院大脑的灵感之源

医院大脑（H-BRain）是医疗信息系统的大型智能体，是新一代医疗信息系统内嵌动态感知系统的大型神经网络系统，这个网络系统对每个节点的感知能力，是通过一个智慧大脑的总节点来实现的，这个智慧大脑的总节点，就是运行监控与指挥平台。这个平台可以监控在每个节点上时刻发生的事件，并在医疗大模型不断的对齐计算后，完成逻辑抽象和数据治理，把治理后的结果，自动发往需要的角色节点。

核心组件

特征提取引擎

把医嘱和胸片等通过数字编码器和图片编码器，转化成数字，即特征向量，通过不同的编码器把特征向量映射到同一个语义空间，在这个语义空间里，语义相近的文字或图像就会相互靠近，通过加载语义模型进行预训练，并写好图片加载、归一化等函数，为下一步训练做准备。

向量数据库

当医院文本数据和图片数据达到几十甚至上百TB时，不可能每次查询都现场计算所有特征并比较，这时候就需要一个专门的向量数据库来存储预算计算好的特征向量，并且支持高效的相似度搜索，向量数据库是AI化信息系统的必要组成部分。

检索分类服务

是面向医护人员或管理者以及应用系统的输入输出端口，当查询调用启动后，调用特征提取引擎，将搜索用的文本或胸片转换成向量，然后向向量数据库发起搜索，最后将最相似的结果排序返回。对于0样本分类，可以通过各类编辑器将医嘱文字或CT片等编程成向量，存入向量数据库。当有查询来临时，计算与所有向量的相似度，取相似度最高者为预选类别。

协同过滤

协同过滤

协调过滤是后台自动推送的核心算法之一，通过分析患者的历史病历和其他相似病历的治疗评价，预侧患者的诊疗概率。例如，如果一个患者在疫情期间，高烧办咳嗽，肺部CT有毛玻璃样阴影，家属有新冠病例等等条件，系统会与其他类似病例做对比，分析该患者新冠阳新概率较高，系统会发出提示，推荐再做哪些检查以确诊。

深度学习

深度学习

深度学习也是后台自动推荐的主要算法之一，通过深度神经网络模型，对海量的医护行为数据进行分析和学习，关注闭环成果，逐步优化算法，提高对医生、护士等具有统计学意义的行为的模型计算，推荐最佳治疗方案，推荐推荐的准确度。