- 综合排序
- 最热优先
- 最新优先
MediGo医疗大模型数据开发平台 八大场景赋能智慧医疗全流程
然而，医疗AI的发展正面临算法进步与数据生产力滞后的突出矛盾。澳鹏MediGo平台通过八大应用场景和七维技术矩阵，构建了从数据生产到模型训练的全链路解决方案，有望显著提升医疗AI模型的准确性和可靠性。 澳鹏Appen（中国）今日正式发布MediGo医疗大模型数据开发平台，这一创新性平台旨在解决医疗AI领域面临的数据标注精度不足、多模态协同处理效率低下等核心挑战。 该平台的推出标志着医疗AI数据服务进入专业化、智能化新阶段，将为医疗AI的临床应用提供强有力的数据支撑。 八大场景赋能智慧医疗全流程在诊疗场景方面，平台基于深度学习的病理图片智能分析系统能够自动标注病灶区域，帮助生成结构化诊断报告，显著提升诊断效率。 在数据安全方面，平台支持医疗级私有化部署方案，兼容企业内网环境，确保敏感医疗数据的安全流转。同时，基于医疗知识图谱的智能检索系统和版本控制系统，为数据管理提供了专业化的解决方案。
20410编辑于 2025-06-24- 来自专栏机器学习AI算法工程
医疗大语言模型：CareGPT
CareGPT (关怀GPT)是一个医疗大语言模型，同时它集合了数十个公开可用的医疗微调数据集和开放可用的医疗大语言模型，包含LLM的训练、测评、部署等以促进医疗LLM快速发展。 ，能够批量生成各种用于构建知识库和微调的数据； 聚合了丰富的开源医学LLM、LLM训练的医学数据、LLM部署资料、LLM测评以及相关LLM的资源整理； 我们参与了医学LLM的CMB榜单评测-IvyGPT ，在测试中，我们领先ChatGPT及一众开源医学LLM 数据集 预训练数据 LLM-Pretrain-FineTune/data_pretrain MedicalGPT/pretrain zysj TCM-Ancient-Books 数据集配置、PT、SFT、RW数据格式 dataset_info 如果您使用自定义数据集，请务必在 dataset_info.json 文件中以如下格式提供您的数据集定义。 PT example data .txt格式，一行一个无监督数据。
63410编辑于 2024-06-08 - 来自专栏PPV课数据科学社区
大数据在医疗领域的七大应用
★原文翻译★ 大数据的意义在于提供“大见解”：从不同来源收集信息，然后分析信息，以揭示用其他方法发现不了的趋势。在利用大数据发掘价值的所有行业中，医疗行业有可能实现最大的回报。 这只是大数据在医疗领域的众多应用之一。以下是大数据在医疗行业的一些常见用途，包括商业运作和健康管理： 1. 分析电子病历：医生共享电子病历可以收集和分析数据，寻找能够降低医疗成本的方法。 医生和医疗服务提供商之间共享患者数据，能够减少重复检查，改善患者体验。 大数据分析能够对患者的原始数据进行标准化整合，用以充实公共健康记录，而丰富多样的公共健康记录能催生更合理的法规，并提供更好的医疗。 4. 利用大数据，该诊所能分析2200余种医疗过程。因此，它能简化工作流程，把某些临床任务从医生转移到护士手上，减少不必要的检查，提高患者满意度。和其他行业一样，大数据指明了从哪里入手可以改善医疗过程。
1.2K60发布于 2018-04-23 - 来自专栏企鹅号快讯
大数据人工智能在医疗领域将大有可为，医疗健康大数据论坛大咖共话未来
2017年12月1日，由上海大数据联盟主办，2017中国大数据人工智能创新创业大赛组委会、健盟协办的“2017中国（上海）大数据产业创新峰会医疗健康大数据论坛”在上海宝华万豪酒店顺利举办。 席间多位领域专家大咖就论坛主题进行了深入地探讨，既吸引了业内专业人士的热情参与，又吸引了众多场外观众积极地收看直播。 ，国内首次联手医疗机构提供实际医疗场景AI创业赛，首次提供6大实际医疗场景，提供珍贵的骨骼X线图片数据集，对接医院实际紧迫需求等。 ，解读大数据人工智能技术在健康医疗领域的发展与创新应用。 （照片为：下半场圆桌论坛嘉宾进行深入探讨） 医疗健康大数据作为国家重要基础战略资源，正迎来爆发式增长，规模巨大的诊疗数据、患者行为感官数据、研发数据和支付医保数据等快速增加，我国市场前景良好。
1.1K00发布于 2017-12-27 - 来自专栏Soul Joy Hub
达尔文——生物医疗科学领域大模型
根据美国医学会的数据，医学专科已经超过180个，导致医学知识的分散和碎片化。 数据分散罕见：病历、药物信息、试验结果数据的分散性使得生物医疗领域难以综合和比较不同的数据。 蛋白质等等）也用于“达尔文”大模型（通用开源数据以外）进一步的预训练，赋予“达尔文”大模型在生物医疗领域比一般通用大模型具备更有竞争力的表现 2.2 科研强化 RLHF 是指"Reinforcement “火山方舟” 包含模型广场、模型体验、模型训练推荐以及模型应用的功能，其使命是加速大模型和大算力的应用落地，加快大模型在各行业发挥商业价值。 带给大家一个好消息，“达尔文”大模型将入驻火山引擎大模型生态，上架至“火山方舟”的模型广场，补全火山引擎大模型生态的生物医疗领域，并供大家使用与反馈。 火山方舟 3. 尽管在线智能问诊可以提供有用的信息，但它不是替代真正医疗专业人员的诊断和治疗。 线下导诊：线下智能导诊是指智能助手在医疗机构的实际场景中提供导诊服务。
74630编辑于 2023-07-21 - 来自专栏HyperAI超神经
【医疗健康工具汇总】国内首个医疗专科推理数据集；paperai可分析医学数据集；上海 AI 实验室开源医疗大模型群
* Ersilia：传染病和被忽视疾病模型中心 * 上海 AI 实验室开源医疗大模型群「浦医 2.0」 * 国内首个医疗专科推理数据集 RJUA-QA 开源 * paperai ：医学/科学文献发现和审阅引擎 资源地址： https://github.com/ersilia-os/ersilia 上海 AI 实验室开源医疗大模型群「浦医 2.0」 近日，上海 AI 实验室与上海交通大学医学院附属瑞金医院等合作伙伴联合发布医疗多模态基础模型群 「浦医 2.0」 (OpenMEDLab2.0)，实现了医疗大模型群「产、学、研、用、评」一站式开源，旨在为「跨领域、跨疾病、跨模态」的 AI 医疗应用提供能力支持。 资源地址： github.com/OpenMEDLab 国内首个医疗专科推理数据集 RJUA-QA 开源 蚂蚁集团与上海仁济医院泌尿科专家团队联合研发，基于医生团队临床经验，通过构造模拟病例数据的方式， 推出了首个中文医疗专科问答推理数据集 RJUA-QA，数据集由训练、验证、测试三部分组成，包含 2,132 个 QA 问答对，Context 来自于中国泌尿外科和男科疾病诊断治疗指南。
50210编辑于 2024-06-04 - 来自专栏数据猿
报告 | 2016年8月大数据投融资分析报告 ——医疗大数据促进中国医疗体制改革
根据不完全统计，2016年8月大数据行业共计发生33起投融资事件，相比上个月环比增长57%，其中已披露具体金额的有29起，涉及金额13.9亿人民币。 数据猿制图 医疗大数据促进中国医疗改革 从本月投融资金额来看，医疗大数据成为最大的投融资方向，且三家企业的投融资金额均在1亿元以上，其中吉因加融资2亿元，鹍远基因融资1.34亿元，全域医疗融资1亿元。 2、医疗大数据提升医疗系统的效率 医疗大数据的应用不局限于各医院的数据，也包括医疗保险系统的数据、卫生管理部门的数据，药品管理部门的数据、病人和医生的数据等。 3、医疗大数据有效减少医疗事故 电子健康/医疗记录数据，能够促进服务供应商和医疗机构之间的数据全面分享。 整体来说，在政府部门的政策促进下，医疗大数据在未来几年的发展值得期待，医疗大数据的发展也将给中国现有医疗体系带来重大改变。 注：2016年8月大数据领域投融资列表 ?
85690发布于 2018-04-20 - 来自专栏企鹅号快讯
基层医疗破局关键：从医疗SaaS三大未来趋势说起
【从安全万家说说医疗SaaS终究应该怎样玩】 安全不仅在医疗保险职业中具有多年累积的线上线下共同优势，并且在转型中还不断将大数据、云核算等技能才能落地于详细事务，彻底有资历充任探究医疗晋级的排头兵。 在治疗过程中，“云诊所”系统可以自动识别电子病历内容，结合大数据及AI才能，给出辅佐建议和个性化治疗思路，为经历不行丰厚的底层医师供给外部支持。 【底层医疗破局要害：从医疗SaaS三大趋势说起】 我在传统企业转型培训课“重立异”中提出，用互联网的技能、方法论和价值观，去重构（留意不是推翻）传统职业，构建“进口模式”的新商业形状，这是我国当时经济最大的亮点 ： 榜首，数据无缝化。 未来医疗SaaS必定不止停留在电子处方、线上就医、在线付出等单一流程功能的信息化上，而是将线上、线下全面打通，数据进口无缝化，患者和治疗组织不必忧虑数据对接错位的问题，然后可以建立起全面的笔直数据库，促进现代医学和治疗技能的前进
92170发布于 2018-01-25 - 来自专栏大数据文摘
大数据推进个性化医疗的五大原因
，由于与医疗保健相关，已经出现在个性化医疗革命的中心。 美国Definiens公司是生命科学领域里，对生物标志物诊断和医疗保健行业的定量数字化病理图像分析和数据挖掘解决方案的领先供应商。 该公司的首席执行官，托马斯黑德勒，和我们探讨了大数据推进个性化医疗事业的五大原因。 1. 能解开未知 科技可以帮助我们从实验样品和活组织切片中获取大量的数据。 能关联多种诊断信息来源并制定治疗方案 来自临床结果、遗传图谱和组织形态的大数据分析将是个性化医学的一大动力。随着我们对来自不同来源的数据对比整合，为每个患者量身定制治疗方案也将成为可能。 3. 病人病理样本的数据化，也就是从定性样品中提取多次离散数据点，就会产生广阔数据量，以便用来进行统计分析，并迅速做出切实可行的临床诊断和治疗建议。 4.
43350发布于 2018-05-22 医疗大模型，巨头们的新赛场
正因如此，百度、腾讯等互联网大厂积累下来了大量医疗数据，这些数据积累使其推出专业的医疗大模型产品成为可能。 得益于此，微脉、卫宁健康都积累下来了海量的、高质量的医疗数据，这些数据无疑是大模型产品的优质训练数据集，能够帮助二者训练出精准度更高、可靠性更强的医疗大模型产品。 为了避免此类情况的发生，发力于此的厂商们必须保持审慎的态度，不断打磨产品本身，以提升大模型产品的能力。二是，医疗数据的隐私性高、数据处理难度大，医疗大模型的训练不易。 众所周知，由于医疗数据往往涉及患者本身，因此具备很高的私密性，但大模型能力的训练又需要大量数据为支撑，对研发医疗大模型的厂商来说，数据的获得有着比较高的难度。 不仅如此，由于数据标准不一，医疗行业的数据处理同样难度较高，需要医疗大模型厂商多下功夫。
28310编辑于 2024-04-15- 来自专栏CDA数据分析师
【CDAS 2017】大数据与生物医疗分论坛： 智能数据，健康医疗
CDAS 2017中国数据分析师行业峰会的上午大数据与生物医疗分论坛中，来自北京大学第三医院、微软等六位专家与教授，分享了大数据在生物医疗行业的实践和应用。 人工智能在医疗数据中的应用 峰瑞资本早期项目负责人 谭验 谭验谭总从各行业数据化程度入手，探讨了医疗大数据的来源与应用，讲述了AI在制药中的应用，以及数据分析驱动下的医保控费，谭总在分享中还提到如何制定个性化解决方案 大数据助力临床医学研究应用 北京大学第三医院骨科秘书长 吴云霞 医疗大数据在临床医学研究中的应用是政府、医院、社会、医师及患者共同关注的问题，吴云霞以实际案例为依托，系统论述作为医务工作者如何理解医疗大数据 健康医疗大数据的建立与应用 经纶世纪医疗网络技术（北京）有限公司创始人&总裁 余中 打造健康医疗大数据驱动的智慧健康医疗服务是当今全球各国关注的重点，是人工智能在健康医疗行业进行深度融合和创新变革的最富有广阔前景的领域 AI/大数据与健康和医学的未来 微软（中国）有限公司产品经理 王大禹 王大禹简述了国内外流行的健康医疗领域大数据及AI技术的应用，通过对医疗健康领域四类最有代表性的数据——基因组数据、临床信息数据、图像数据和健康信息的分析总结出对于每一类数据最合适的处理
1.1K100发布于 2018-02-26 - 来自专栏pandas
Pandas数据应用：医疗数据分析
引言在医疗领域，数据分析对于改善患者护理、优化资源分配以及支持医学研究至关重要。 Pandas是一个强大的Python库，专为数据操作和分析而设计，它提供了高效的数据结构和数据分析工具，是进行医疗数据分析的理想选择。常见问题及解决方案1. 数据导入与预处理在开始任何分析之前，首先需要将数据导入到Pandas中。通常，医疗数据以CSV、Excel或数据库表的形式存储。 数据清洗与转换医疗数据往往包含大量的噪声和异常值，需要进行清洗和转换，以确保后续分析的准确性。常见问题异常值影响统计结果。分类变量未进行编码。 希望本文的内容能够为从事医疗数据分析的朋友们提供一些帮助。
43020编辑于 2025-01-03 - 来自专栏数据派THU
如何挖掘医疗数据？看这份KDD2021《异构医疗数据挖掘》教程
来源：专知 本文约1000字，建议阅读5分钟 在本教程中，我们将介绍最先进的深度学习方法及其实际应用，特别关注于探索不同类型医疗数据的独特特征。 [ 导读 ]ACM SIGKDD（国际数据挖掘与知识发现大会，简称 KDD）是世界数据挖掘领域的最高级别的学术会议，由 ACM 的数据挖掘及知识发现专委会（SIGKDD）主办，被中国计算机协会推荐为 A 来自华为的研究人员在PSU上给出关于异构医疗数据挖掘的教程，非常值得关注! 随着异构医疗数据和先进的机器学习和数据挖掘技术(特别是深度学习方法)的爆炸式发展，我们现在有机会在医疗保健领域有所作为。 在本教程中，我们将介绍最先进的深度学习方法及其实际应用，特别关注于探索不同类型医疗数据的独特特征。上半部分将用于介绍挖掘结构化医疗数据方面的最新进展，包括计算表型、疾病早期检测/风险预测和治疗建议。 在下半部分，我们将专注于针对非结构化医疗数据的挑战，并介绍自动化ICD编码的高级深度学习方法、可理解的医学语言翻译、临床试验挖掘和医学报告生成。
51410编辑于 2023-03-29 - 来自专栏程序随笔
聊聊心理医疗领域大模型的落地思考
近来，工作偏向于心理医疗领域方面的大模型，仅从领域大模型的落地，聊聊个人的一些思考。 硬件 准备好花钱买GPU。 领域大模型 业务场景的思考 首先需要审视斟酌业务领域的特殊性与可行性，我们要做的是心理领域，而心理领域倾向于医患对话，即询问链的场景；不仅仅是一问一回答的角度，而作为智能体(AI模型/医生)还需要 对患者的回答进行 开源模型 摸着石头过河——目前医疗、金融等领域已经有很多的开源模型，作为技术储备与预研，极其需要对已有的开源模型做一些调研。 如下是我个人觉得不错且对于我们的场景可以借鉴的医疗模型： 扁鹊 BianQue 灵心 SoulChat CareGPT MedicalGPT 对于开源模型的研究，不仅仅是跑demo，没有什么用处，毕竟又不能直接拿过来落地 训练数据及格式 数据的质量与格式，在这些开源模型都是有的；而且对我们的业务来说，多轮对话是很常见的，因此怎么样让数据更紧凑更小，但不损坏数据质量，是我们需要审视的。
24510编辑于 2024-03-21 - 来自专栏集智书童
医疗SAM也来啦 | AutoSAM告诉你如何在医疗领域更快更好开发大模型
为了评估作者的微调方法的标签效率，作者在有限的标签数据的公共医学图像分割数据集上比较了这3个预测Head的结果。 考虑到这些限制，本文提出了一种在医学图像数据集上微调SAM的直接方法，即冻结SAM编码器的权重，并在其上添加预测Head进行训练。冻结权重的原因是SAM是一个大模型，并且大多数权重由编码器贡献。 2、相关工作 2.1、大语言模型 在大型语言模型（LLM）出现之后，一些工作致力于在LLM中引入图像来完成多模态任务。例如，CLIP和ALIGN利用对比学习在嵌入空间中对齐网络图像及其标题。 2.2、为医学图像定制大模型 这一系列工作主要集中在针对特定分割数据集微调SAM，因为SAM在医学图像上表现出显著的性能退化。 最后，作者在图5中绘制了使用更多标记数据进行微调的结果。作者发现，当标记的卷数小于10时，AutoSAM仅比UNet（没有额外信息）和SimCLR（在同一数据集上预训练的知识）具有优势。
1.1K20编辑于 2023-09-04 - 来自专栏深度学习自然语言处理
医疗NLP相关数据集整理
整理：python遇见NLP 在Github上搜索整理了一波关于医疗NLP的数据集： 1 中文评测数据集 1. for Biomedical Research Question Answering 中文医疗领域语料 医学教材 培训考试 哈工大《大词林》开放75万核心实体词及相关概念、关系列表（包含中药/医院/生物 （Open Medical and Healthcare Alliance，OMAHA）构建的药品与药品适应证的知识图谱数据 医疗知识图谱数据 医疗知识图谱数据（ownthink） 病人事件图谱数据集 使用三家上海三甲医院的电子病历数据，构建了包括3个专科、173395个医疗事件、501335个事件时序关系以及与5313个知识库概念链接的医疗数据集。 使用深度学习方法解析问题 知识图谱存储 查询知识点 基于医疗垂直领域的对话系统 中文医疗对话数据集 Chinese medical dialogue data 中文医疗对话数据集 webMedQA webMedQA
11.6K126发布于 2020-09-22 - 来自专栏灯塔大数据
行业盘点 | 医疗行业10大关键词
再加上我国人口基数大、医疗资源不足、分布不均等因素，医疗人工智能在我国的发展前景充满想象。 ? 现阶段，我国人工智能在医疗领域的应用主要集中在通过提供精准化、个性化的医疗，改善治疗验。 03 医联体 医联体建设的初衷是平衡大医院与小医院之间的门诊量，共享资源，提高资源的利用率。 对于大医院来说，随着医保控费和医疗价格的提升，对基层病人的虹吸效应会减弱，因而，根据政策方向，主动牵手二级和基层医院是其布局重点；而对于二级医院来说，借力大医院品牌优势，是个迅速提升影响力的机会；一级医院在整个医联体中是最大的受益者 05 大数据 继去年六月国务院办公厅印发《关于促进和规范健康医疗大数据应用发展的指导意见》，将健康医疗大数据应用发展纳入国家大数据战略布局之后，2017年6月，由国家卫生和计划生育委员会统一牵头组织的健康医疗大数据 在我国，面对这个上千亿元的大蛋糕，再加上政策形式的加持，很多资本企业已经把第三方影像中心作为了战略目标之一。
1.8K40发布于 2018-04-03 大语言模型医疗建议受非临床信息干扰
大语言模型医疗建议受非临床信息干扰根据某机构研究人员的研究，部署用于提供治疗建议的大语言模型（LLM）可能会被患者信息中的非临床信息干扰，例如错别字、多余空格、缺失性别标记，或使用不确定、夸张和非正式语言 混合信息像某中心GPT-4这样的大语言模型正在全球医疗机构中用于起草临床记录和分诊患者信息，旨在简化一些任务以帮助负担过重的临床医生。 Gourabathina说：“这些模型训练的医疗数据集通常经过清理和结构化，不能非常真实地反映患者群体。我们想看看这些非常真实的文本变化如何影响下游用例。” 研究人员使用LLM创建了数千份患者笔记的扰动副本，同时确保文本变化最小化并保留所有临床数据，如药物和既往诊断。然后他们评估了四个LLM，包括大型商业模型GPT-4和一个专为医疗环境构建的较小LLM。 Ghassemi说：“在我们正在审阅的后续工作中，我们进一步发现大语言模型对人类临床医生不受影响的变化很脆弱。这也许并不奇怪——LLM并非设计用于优先考虑患者医疗护理。
16100编辑于 2025-09-12- 来自专栏NLP/KG
基于bloomz-7b指令微调的中文医疗问诊大模型，实现智能问诊、医疗问答
基于bloomz-7b指令微调的中文医疗问诊大模型，实现智能问诊、医疗问答 码源见文末 1.项目简介 本项目开源了基于医疗指令微调的中文医疗问诊模型：明医 (MING)。 目前模型的主要功能如下： 医疗问答：对医疗问题进行解答，对案例进行分析。 智能问诊：多轮问诊后给出诊断结果和建议。 3.数据集构建 数据集主要由四个部分构成： 数据类型 数据构成 数量 占比(%) 医疗知识问答 基于临床指南和医疗共识的知识问答 168k 48.88 基于医师资格考试题的知识问答 77k 真实医患问答 20k 多轮病人信息推理与诊断 20k 任务指令 医疗指令 150k 26.91 通用指令 150k 安全性数据 敏感性问题 15k 2.69 医疗反事实 15k 总计 - 1.12M 这个病对生活影响大吗？5. 生活习惯方面有没有建议？尤其是她平常还做瑜伽，要不要紧？ chatgpt ming-7B 我可以理解您和您母亲对这个情况的担忧。
55910编辑于 2024-02-22 - 来自专栏CloudBest
2020年医疗云计算的5大趋势
云计算在医疗网络中的发展，将推动远程协作和数据共享，而对于过时的设备而言，则很难或不可能做到这一点。 2.HIPAA和云计算 尽管云计算正在席卷医疗领域，但并非毫无规则。 Ponemon研究所的专家称，医疗数据泄露的平均成本为每条记录380美元以上，是全球其他行业平均成本的两倍多。为什么？因为黑客觊觎这些数据。 4.云计算和物联网支持 物联网（IoT）是一个通过连接设备组成的网络，它也是医疗云计算不可或缺的一部分。物联网设备将产生大量数据，大多数医疗机构都还没有设备来储存或分类。 随着物联网设备产生万亿字节的数据，这种边缘处理可以使系统更加高效，减少时间浪费。 5.数据自动化和存储 医疗行业的云计算支持在2020年及以后推动数据自动化。 当安全不是优先事项时，数据就有风险。每次医疗违规和数据泄露都会消耗大量成本，而且还可能引发诉讼。 来源：大健康pai
1.4K10发布于 2019-12-10
腾讯云开发者
