“理-工-医-信”跨学科协同合作，和鲸助力第五届“医疗大数据学术交流及Datathon活动”圆满落幕！

“AI 不能代替医生，但是掌握了 AI 技术的医生一定能代替那些没掌握 AI 的医生。”

人工智能在卫生健康行业的应用将为医疗产业带来深刻变革，推动医疗行业向更智能、更高效、更个性化的方向发展。基于此，2024 年 11 月 14 日至 17 日，由中国人民解放军总医院医学创新研究部主办的第五届“医疗大数据学术交流及Datathon活动”圆满召开，大会吸引 600 余人参与现场会议，会议同步直播观看人数超过 1500 余人次。会议邀请医疗大数据和人工智能领域顶级专家现场授课和指导，旨在推动医疗大数据和人工智能领域的“理-工-医-信”跨学科合作。和鲸凭借其自研的 ModelWhale 数据科学协同平台，再次为该届 Datathon 竞赛从会前培训到正式比赛提供强力支持。

“人工智能在医疗领域的应用源于对临床需求的深刻理解，并通过不断的技术创新来提升临床实践的效率和质量，进而有效解决临床中遇到的各种问题。”

在医学人工智能的“研-训-试-用”领域，多位专家分享了他们的经验与体会。四川大学华西医院中国询证医学中心主任孙鑫表示，当前人工智能与医学的结合尚处初级阶段，要实现深度融合，关键在于培养兼具医学与人工智能知识的交叉型人才。这种人才的培养以及多学科的交叉融合，应以问题和项目为导向。医学专家需明确具体需求，而人工智能专家则需从技术层面提供优质服务。缺乏具体问题和项目，讨论便可能沦为空谈。东北大学教授、资深医疗行业信息化专家卢朝霞表示，目前算法工程师、模型工程师以及生物医学和医工结合的专业人才十分匮乏，高校应开设符合性的人工智能专业，并针对医疗领域进行专门培养，包括继续教育，以快速补充这一领域的人才缺口，推动人工智能技术的全面发展。浙江大学医学院附属邵逸夫医院急诊医学科副主任章仲恒表示，构建一个良好的医疗人工智能生态，需要一个由多学科专家组成的团队。在这个团队中，每个角色都发挥着不可或缺的作用，共同推动技术的发展与临床应用。临床医生负责提出临床问题，而数据算法科学家和工程师则运用技术手段解决这些问题，从而改善患者的预后。这样的生态体系能够使算法真正应用于临床，促进医疗人工智能技术的实际应用与持续发展。

“医疗大数据是实践性极强的领域，它不是纯理论科学，而是为解决临床实践问题而生的实践科学。”

解放军总医院医学创新研究部张政波教授向参会人员介绍了本次 Datathon 活动的主要内容。张教授介绍道，本次 Datathon 活动特别设置了两个富有挑战性的赛道：赛道一为临床洞察挑战，聚焦于医学问题，旨在通过数据科学解决临床实践中的实际问题；赛道二为多模态融合创新 ，鼓励参赛者运用前沿技术，探索数据科学在医疗领域的多元化应用。此次 Datathon 活动旨在通过以赛代训的方式，激发广大数据科学爱好者的热情，促进不同领域人员之间的交流与合作。参赛者们不仅有机会学习新知识、掌握新技能，更重要的是，他们能够在实践中体验到跨学科合作的魅力，为未来科研之路积累更多实战技能与协作经验。

解放军总医院医学创新研究部工程师刘晓莉结合自身参赛的经历，向参会人员介绍了 Datathon 活动的价值意义以及多学科协作的开展经验。她表示，Datathon 活动通过汇聚临床医生、数据科学家、生物信息学家、统计学家等多领域专家，围绕特定医学难题或研究项目，共同对数据进行深度挖掘和分析，从而加速医学研究成果的转化应用。这种模式打破了传统学科壁垒，实现了资源的高效整合与优势互补，是推动医学科技创新的重要驱动力。刘晓莉进一步分享了成功参与 Datathon 的秘诀，参与者需保持开放心态，积极与团队成员共享代码，提前规划数据与模型构建的工作流程；同时，要充分利用指导老师的专业指导，以及比赛平台提供的丰富资源。她鼓励将 Datathon 视为跨学科团队合作的起点，持续探讨并优化研究项目，不断拓宽研究的广度与深度，探索更多可能。

随后，23 组、共计 236 人的参赛队伍正式集结，其中包括来自医院及医学院的 128 名成员和来自其他单位的 108 名成员，涵盖临床医师、算法工程师及医疗大数据工程师等。在各位与会专家的精心一对一指导下，各小组依托 ModelWhale 平台展开了深入的设计与实践工作。经过为期两天的紧密合作与不懈努力，每个团队均成功完成了各自的研究项目，并精心准备了路演汇报，展示了他们的研究成果。此外，整个评审与打分流程也全面依托 ModelWhale 平台进行，以确保公平、公正与高效。除了提交用于展示研究成果的幻灯片外，每个团队还需通过 ModelWhale 平台提交其数据分析所使用的代码，这一举措旨在强化成果的可复现性，提升研究的透明度与可信度。

“以往大家多在本地构建环境，现在通过 ModelWhale 可实现整个环境的依托，推动研究的可重现性。”

为更好帮助 Datathon 活动顺利开展，和鲸科技客户成功副总监郑凯少为参会人员详细讲解了如何使用 ModelWhale 平台。和鲸于 2019 年就已作为第四届医疗大数据学术交流及 Datathon 活动技术支持方（点击这里查看详情），提供丰富的平台资源与算力服务，帮助参赛选手深入研究，满足团队协作。今年，和鲸继续为本次活动提供平台技术支持，早在赛前就已开展培训班（点击这里查看详情），提前帮助参训人员增强数据分析和人工智能工具的应用能力，并深入了解跨学科 Datathon 活动的运作机制。

• 在数据提供方面，ModelWhale 不仅提供了便捷的数据预览功能，让用户能够迅速了解数据情况，还通过文件存储管理系统（NAS 空间）为非结构化数据提供了完善的存储和访问方案，用户可获取丰富的计算资源，并根据不同赛道进行灵活配置，满足多样化的数据处理需求；
• 在运行配置与环境方面，用户可以在 ModelWhale 找到所需的镜像环境，轻松创建项目，在选择编程工具后，用户还可以与他人共享基础内容，Modelwhale 还提供了大量的数据资源，并通过挂载方式为用户分配空间，让用户能够轻松获取所需资源并进行数据处理；
• 在团队协作方面，ModelWhale 凭借其先进的多角色协同功能，极大地简化了项目分享与协作的流程，用户只需将项目保存后，即可无缝分享给工作人员进行必要的配置。待各自任务完成后，用户们可以方便地保存内容、处理数据并进行归档整理，ModelWhale 还支持将多个子项目合并后提交给原始项目创建人，从而确保了整个项目流程的连贯性和一致性。

临床研究相比于其他领域，更加重视研究的可重现性。ModelWhale 平台的设计初衷之一便是围绕临床研究展开的。针对多角色协同存在的障碍，平台在数据接入方面遵循 FAIR 原则，将不同格式、形式的数据统一接入研究数据集并完成分发。

“ 感谢和鲸给我们提供了这么好的学术交流平台。我虽然是第一次参赛，但收获非常大，不仅认识了很多志同道合的小伙伴，久违地感受了团队高效协作的快乐，也深深体会到了医工交叉的魅力，这将成为支撑我个人在这个领域深耕的极大动力。谢谢和鲸的全程支持。”

——参赛选手 大连理工大学在读博士生 何宏伟

经过为期两天的激烈角逐，本次 Datathon 活动圆满落幕。其中，赛道一临床洞察挑战决出一等奖 1 项、二等奖 2 项、三等奖 3项等奖项，分别由来自解放军总医院第一医学中心重症医学科、北大一院、哈尔滨医科大学附属第一医院、中山附属第一医院、首都医科大学附属北京积水潭医院和菲鹏生物等单位的团队获得；赛道二多模态融合创新决出一等奖 1 项、二等奖 1项、三等奖 2 项等奖项，分别由来自北京大学、北京理工大学、兰州大学第一医院、四川大学华西学院等单位的团队获得。在为本次 Datathon 活动提供服务的过程中，和鲸平台赢得了参赛者们的广泛好评与认可。

赛道一临床洞察挑战一等奖归属于解放军总医院第一医学中心重症医学科的李云团队，其研究题目是《面向脓毒症诱导血小板减少患者的典型亚型分析与肝素应用治疗策略研究》。脓毒症诱导血小板减少患者可能表现为高凝或低凝状态，使肝素治疗效果存在不确定性。该项目从 MIMIC-IV 和 eICU 数据库中筛选出相关患者，并运用条件变分自编码器获取患者的低维表示，结合K-means算法识别出三种具有显著异质性的肝素治疗反应亚型。之后使用离线强化学习设计Dueling Double DQN智能体，为各亚型患者推荐个性化的肝素给药策略。结果显示，与传统的医生治疗策略相比，智能体显著提升了患者的预期生存率。未来，团队将继续完善该研究，期望为脓毒症患者的个性化肝素应用提供新的临床实践思路。

“ 非常感谢 Datathon 的主办方和工作人员，搭建了这个交流合作与竞技的平台。我首次参加 Datathon 是在2019年，当时是硕士一年级，如今已是博三，回顾来看，可以说 Datathon 是一次启蒙，也是一个起点，我相信对很多人也是如此。Datathon 的意义不仅仅是几天的学术交流，也不仅仅是一个科研项目的一次尝试。跨学科合作交流产生的复杂“化学”反应将持续进行，也将激发更多研究者在该领域的探索热情。期待未来 Datathon 这一活动中能碰撞出更多精彩创新的火花！”

——解放军总医院第一医学中心重症医学科 李云

赛道二多模态融合创新一等奖归属于北京大学健康医疗大数据国家研究院的李骏团队，其研究题目是《超声心动图报告辅助心电图信号诊断非ST段抬高心肌梗死》，该项目探索了超声心动图报告与心电图（ECG）在诊断非 ST 段抬高心肌梗死中的协同作用。超声心动图作为一种非侵入性成像技术，能够深入揭示心脏的解剖结构和功能细节，而心电图则全面反映了心脏的电活动状态。该研究致力于将超声心动图报告中的信息融入心电图诊断中，旨在开发一种针对非 ST 段抬高心肌梗死的早期预警与风险评估的无创检查手段。实验结果显示，相较于传统的 AI- ECG 方法，该研究提出的方法展现出更优的性能，其 AUROC 值达到了 0.81。此方法不仅提升了诊断的精确度和效率，还为制定更为有效的治疗策略提供了支持，最终有望改善患者的治疗成效。

“ 很荣幸能获得本次 Datathon 比赛的一等奖！衷心感谢 Datathon 比赛，不仅提供了一个跨学科交流学习的宝贵平台，而且也支持从医学数据收集、整理、清洗，到模型构建、优化，直至最终成果展示的整个过程，这次活动让我们有机会跨越地域和行业界限，共同探索医学数据科学的无限可能。其次也要向各位专家评委表达最诚挚的谢意，每一次点评和指导都受益匪浅。最后，这份荣誉更离不开团队的每一位成员的团结协作与不懈努力。我们将秉持着这份对医学数据科学的热爱和追求，不断学习、不断创新，为推动医学数据科学的发展贡献我们的力量。”

——北京大学健康医疗大数据国家研究院 李骏

本次 Datathon 活动作为“理-工-医-信”多学科深入合作的重要桥梁，为 AI 赋能临床科研提供了全新的可能。为期 4 天的 Datathon 虽然告一段落，但 AI 赋能医学的脚步却不会停歇。近年来，健康医疗大数据产业已被提升至国家战略层面，成为大数据布局的关键一环。和鲸积极推进卫生健康行业“人工智能+”应用创新发展，携手多家医疗机构及高校，不断完善人才培养体系，让先进的数据处理技术、 AI 算法得以与临床数据更紧密结合，为医疗行业的数字化转型与智能化升级持续注入强劲动力，切实促进国民医疗水平的飞跃提升，为更多民众的健康保驾护航。