上海交大-衛(wèi)寧健康智慧醫(yī)療挑戰(zhàn)賽是由上海市計(jì)算機(jī)學(xué)會(huì)指導(dǎo)、上海交通大學(xué)計(jì)算機(jī)科學(xué)與工程系主辦、衛(wèi)寧健康與上海交大-衛(wèi)寧健康聯(lián)合實(shí)驗(yàn)室聯(lián)合承辦、上海市醫(yī)學(xué)會(huì)互聯(lián)網(wǎng)醫(yī)療?？品謺?huì)、浙江大學(xué)醫(yī)學(xué)院附屬邵逸夫醫(yī)院與浙江省認(rèn)知醫(yī)療工程技術(shù)研究中心、國(guó)家健康醫(yī)療大數(shù)據(jù)研究院聯(lián)合協(xié)辦的大型技術(shù)場(chǎng)景競(jìng)賽活動(dòng)。

ChatGPT的橫空出世，迅速引起了社會(huì)的廣泛關(guān)注與討論，它打破了人機(jī)交互的復(fù)雜壁壘，讓人工智能技術(shù)的發(fā)展生出了新的探索方向，它當(dāng)之無(wú)愧成為了“AI時(shí)代的星火”，將對(duì)各個(gè)領(lǐng)域的AI發(fā)展路徑產(chǎn)生深遠(yuǎn)的影響。

上海交大-衛(wèi)寧健康智慧醫(yī)療挑戰(zhàn)賽是一年一度的醫(yī)療+AI賽事，比賽旨在通過(guò)打造全國(guó)高水平AI技術(shù)應(yīng)用科技創(chuàng)新平臺(tái)，聚合業(yè)內(nèi)頂級(jí)專家及資源，共同開(kāi)拓AI技術(shù)在醫(yī)療健康領(lǐng)域落地的更多可能性。第六屆上海交大-衛(wèi)寧健康智慧醫(yī)療挑戰(zhàn)賽以「追光· Vision」為主題，亦有星星火，燎原勢(shì)竟成，我們希望借助ChatGPT的“星火”之光，去追趕，去超越，一起探討和打造更多與通用人工智能無(wú)限接近的技術(shù)，以AI視角探索醫(yī)療的高質(zhì)量發(fā)展路徑，讓星火的光照亮遠(yuǎn)方前行的路。

6月1日

一、高校組

1. 知識(shí)圖譜在醫(yī)療健康領(lǐng)域的應(yīng)用

2. 醫(yī)療健康領(lǐng)域多源數(shù)據(jù)融合與應(yīng)用

3. 虛擬/增強(qiáng)現(xiàn)實(shí)在智慧醫(yī)療中的應(yīng)用

4. 面向智慧醫(yī)療的群智計(jì)算和聯(lián)邦學(xué)習(xí)技術(shù)

5. 醫(yī)療健康領(lǐng)域的無(wú)接觸診療技術(shù)

6. 大數(shù)據(jù)分析在醫(yī)療健康領(lǐng)域的應(yīng)用

7. 醫(yī)療健康領(lǐng)域深度神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練以及數(shù)據(jù)集管理

8. 面向醫(yī)院信息系統(tǒng)智能化的運(yùn)行時(shí)支撐技術(shù)

9. 基于物聯(lián)網(wǎng)設(shè)備的智能健康管理技術(shù)

10. 基于邊緣計(jì)算的醫(yī)療視頻實(shí)時(shí)分析技術(shù)

11. 區(qū)塊鏈技術(shù)在醫(yī)療健康領(lǐng)域的應(yīng)用

12. 圖神經(jīng)網(wǎng)絡(luò)在藥物研發(fā)中的應(yīng)用

13. 隱私保護(hù)的智慧醫(yī)療關(guān)鍵技術(shù)

14. 基于可解釋性人工智能模型的診療技術(shù)

15. 基于因果推斷的健康因素分析與藥物治療方案分析

16. 大數(shù)據(jù)技術(shù)下健康風(fēng)險(xiǎn)預(yù)測(cè)

17. 醫(yī)療AI模型參數(shù)竊取攻擊的防御技術(shù)研究

18. 基于CT醫(yī)學(xué)圖像的3D病灶重建研究

19. 醫(yī)療數(shù)據(jù)存儲(chǔ)及壓縮技術(shù)研究

20. 基于NLP的智能問(wèn)診交互研究

21. 基于生成式人工智能的輔助診療研究

22. GPT技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用

23. GPT技術(shù)在自我健康管理中的應(yīng)用研究

24. 基于GPT的智能健康咨詢助手

25. 大模型針對(duì)區(qū)域性、個(gè)性化醫(yī)療健康的應(yīng)用研究

26. 醫(yī)療數(shù)據(jù)的共享交換方案研究

27. 基于醫(yī)療數(shù)據(jù)共享的AI 大模型訓(xùn)練方案研究

28. 高效醫(yī)療多模態(tài)模型執(zhí)行技術(shù)

29. 多模腦電分析與診斷方案研究

30. 小目標(biāo)檢測(cè)在醫(yī)療圖像檢測(cè)領(lǐng)域的應(yīng)用

二、綜合組

1.專業(yè)方向

人工智能技術(shù)在臨床危重癥疾病預(yù)警中的應(yīng)用

有效的臨床危重癥疾病患者監(jiān)測(cè)提前預(yù)警，有助在事前對(duì)危重癥患者的病情發(fā)展進(jìn)行有效的風(fēng)險(xiǎn)預(yù)判，及時(shí)給予治療，提升患者的存活率。

1種或多種典型危重癥疾病，構(gòu)建患者隊(duì)列研究數(shù)據(jù)，利用AI技術(shù)進(jìn)行危重癥疾病預(yù)測(cè)模型設(shè)計(jì)與構(gòu)建，發(fā)掘患者數(shù)據(jù)與病情變化隱藏的關(guān)聯(lián)性,從而輔助醫(yī)療決策。對(duì)模型結(jié)果進(jìn)行驗(yàn)證，并提供驗(yàn)證效果。

參賽者可自行針對(duì)醫(yī)療領(lǐng)域典型的應(yīng)用場(chǎng)景，用公開(kāi)數(shù)據(jù)集進(jìn)行研究。

人工智能技術(shù)在康復(fù)護(hù)理與健康照護(hù)中的應(yīng)用

醫(yī)院的護(hù)士護(hù)理工作繁重，特別是在康復(fù)護(hù)理和健康照護(hù)中，基于AI的各類場(chǎng)景機(jī)器人可以有效輔助護(hù)士完成治療、護(hù)理照護(hù)等日常工作，減少工作量并提升護(hù)理照護(hù)質(zhì)量。

針對(duì)典型的1種或多種護(hù)理照護(hù)場(chǎng)景，利用AI技術(shù)構(gòu)建智能機(jī)器人，如結(jié)合物聯(lián)網(wǎng)技術(shù)實(shí)現(xiàn)輔助輸液、體征檢測(cè)等智能床旁機(jī)器人；輔助癱瘓患者的飲食機(jī)器人、移動(dòng)輔助機(jī)器人；輔助自動(dòng)檢測(cè)預(yù)警患者生命體征的監(jiān)管機(jī)器人、失能患者照料機(jī)器人，康復(fù)恢復(fù)訓(xùn)練機(jī)器人等，從而輔助康復(fù)護(hù)理和健康照護(hù)。對(duì)機(jī)器人模型進(jìn)行驗(yàn)證，并提供驗(yàn)證效果。

參賽者可自行選擇醫(yī)療領(lǐng)域典型的應(yīng)用場(chǎng)景，用公開(kāi)數(shù)據(jù)集進(jìn)行研究。

人工智能技術(shù)在慢病自我管理中的應(yīng)用

慢病的康復(fù)過(guò)程是一極其漫長(zhǎng)的過(guò)程，利用人工智能可以幫助患者在飲食生活、運(yùn)動(dòng)管理、服藥依從性、并發(fā)癥監(jiān)測(cè)等關(guān)鍵環(huán)節(jié)的方案制定與落實(shí)，提高患者的行為依從性，加快康復(fù)進(jìn)程。

針對(duì)任意一種典型慢性病，構(gòu)建知識(shí)庫(kù)和人工智能算法模型，實(shí)現(xiàn)患者健康相關(guān)數(shù)據(jù)自動(dòng)更新、解釋和反饋，使患者能夠在日常健康管理中獲得足夠信息并接受輔助工具的警報(bào)、提議以做出合理的自我管理決策。

參賽者可自行針對(duì)具體醫(yī)療領(lǐng)域應(yīng)用場(chǎng)景，用公開(kāi)數(shù)據(jù)集進(jìn)行研究。

基于醫(yī)學(xué)影像多模態(tài)算法研究和應(yīng)用

在臨床診斷的過(guò)程中，醫(yī)生通常會(huì)使用多種模態(tài)的數(shù)據(jù)，例如圖像，報(bào)告，在過(guò)程中也會(huì)采用交互式的方式。對(duì)于多模態(tài)的醫(yī)學(xué)影像問(wèn)答或者內(nèi)容生成，希望在這一領(lǐng)域進(jìn)行進(jìn)一步的研究，挖掘適合多模態(tài)的人工智能模型。

針對(duì)特定的醫(yī)療圖像應(yīng)用場(chǎng)景，實(shí)現(xiàn)基于多模態(tài)數(shù)據(jù)的人工智能模型和相關(guān)應(yīng)用。

參賽者可自行針對(duì)醫(yī)學(xué)領(lǐng)域典型的圖像處理應(yīng)用場(chǎng)景，應(yīng)用公開(kāi)數(shù)據(jù)集開(kāi)展研究

面向醫(yī)學(xué)影像快速檢索的高通量視頻分析技術(shù)

醫(yī)學(xué)影像檢索目前主要依靠人工方法標(biāo)注文字標(biāo)簽，檢索時(shí)根據(jù)標(biāo)簽來(lái)查找匹配的影像。如果標(biāo)簽中未涉及查找的信息，那么即使影像中存在相關(guān)內(nèi)容，也無(wú)法被檢索到。近年來(lái)，高通量視頻分析技術(shù)快速發(fā)展，為按需查詢大量醫(yī)學(xué)影像中未被準(zhǔn)確標(biāo)注的內(nèi)容提供了可能性。

實(shí)現(xiàn)一個(gè)檢索系統(tǒng)，其數(shù)據(jù)為多個(gè)視頻文件，其輸入為一個(gè)(或多個(gè))圖像識(shí)別模型，其輸出為包含被識(shí)別圖像信息的視頻的文件名，以及該圖像在該視頻中的時(shí)間位置。在相同硬件條件下的速度越快越好。

參賽者可自行針對(duì)醫(yī)學(xué)領(lǐng)域典型的圖像處理應(yīng)用場(chǎng)景，應(yīng)用公開(kāi)數(shù)據(jù)集開(kāi)展研究。

大語(yǔ)言模型的醫(yī)療場(chǎng)景應(yīng)用

隨著ChatGPT的問(wèn)世和各種開(kāi)源大語(yǔ)言模型的公布，在醫(yī)療領(lǐng)域人工智能大語(yǔ)言模型提供了很多潛在應(yīng)用的可能性。

以現(xiàn)有的大語(yǔ)言模型為基礎(chǔ)，設(shè)計(jì)不同的醫(yī)療信息化應(yīng)用場(chǎng)景。

參賽者可自行針對(duì)具體醫(yī)療領(lǐng)域應(yīng)用場(chǎng)景，用公開(kāi)數(shù)據(jù)集進(jìn)行研究。

基于醫(yī)學(xué)百科知識(shí)的臨床術(shù)語(yǔ)自動(dòng)匹配技術(shù)

傳統(tǒng)技術(shù)通過(guò)計(jì)算短語(yǔ)的編輯距離、詞向量等方法來(lái)完成臨床術(shù)語(yǔ)的匹配對(duì)齊問(wèn)題，但這些方法沒(méi)有考慮醫(yī)學(xué)用語(yǔ)的背景知識(shí)，容易造成匹配錯(cuò)誤。字面相似的詞可能代表不同意思(“白血病”和“敗血病”、“血凝酶”和“凝血酶”等)；字面不相似的詞匯可能意思相同(“漸凍癥”和“肌肉萎縮性側(cè)索硬化癥”、“川崎病”和“皮膚黏膜淋巴結(jié)綜合征”)。

本題目需要參賽者借助外部公開(kāi)醫(yī)學(xué)百科知識(shí)數(shù)據(jù)，通過(guò)知識(shí)圖譜和知識(shí)嵌入等相關(guān)技術(shù)，實(shí)現(xiàn)醫(yī)學(xué)術(shù)語(yǔ)的匹配算法，通過(guò)醫(yī)學(xué)百科知識(shí)的嵌入解決術(shù)語(yǔ)匹配中的內(nèi)涵相似性識(shí)別問(wèn)題。

參賽者可自行收集維基百科、百度百科、尋醫(yī)問(wèn)藥等相關(guān)知識(shí)數(shù)據(jù)。

基于自然語(yǔ)言處理的病歷文本零誤檢自動(dòng)校正技術(shù)

電子病歷文本是醫(yī)生對(duì)病人病情的文字性描述，一般是醫(yī)生通過(guò)手工輸入電子病歷系統(tǒng)的。難免存在錯(cuò)字、漏字、錯(cuò)標(biāo)點(diǎn)等問(wèn)題。這些錯(cuò)誤對(duì)后期的解讀和數(shù)據(jù)分析埋下隱患。

參賽者需要借助所提供的真實(shí)場(chǎng)景的臨床病歷文本數(shù)據(jù)，通過(guò)算法從中梳理出符合訓(xùn)練要求的優(yōu)質(zhì)訓(xùn)練數(shù)據(jù)，以這些數(shù)據(jù)為基礎(chǔ)借助人工智能和自然語(yǔ)言處理相關(guān)算法，設(shè)計(jì)病歷文本的自動(dòng)校正方法。本場(chǎng)景希望保證一定檢出率的同時(shí)控制誤檢率在極小范圍。

組委會(huì)提供不少于10萬(wàn)字符的無(wú)標(biāo)注語(yǔ)料可供參賽者清洗訓(xùn)練。

基于人工智能的腔鏡虛擬現(xiàn)實(shí)

三維手術(shù)導(dǎo)航給醫(yī)生術(shù)前手術(shù)評(píng)估、手術(shù)方案設(shè)計(jì)提供了一個(gè)非接觸式、高度還原的評(píng)價(jià)方法，由于采集的設(shè)備，技術(shù)條件的限制，目前術(shù)前三維成像僅限于特定方向和特定領(lǐng)域，針對(duì)醫(yī)學(xué)影像、內(nèi)鏡視頻等不同的三維輸入數(shù)據(jù)，提供實(shí)時(shí)、高效、便捷的三維成像、虛擬現(xiàn)實(shí)技術(shù)，將大大降低臨床醫(yī)生手術(shù)的潛在風(fēng)險(xiǎn)，提升效率。

將視頻或醫(yī)學(xué)圖像數(shù)據(jù)，通過(guò)基于深度學(xué)習(xí)的方法，構(gòu)建三維立體模型。

參賽者可自行針對(duì)醫(yī)療領(lǐng)域典型的圖像處理應(yīng)用場(chǎng)景，應(yīng)用公開(kāi)數(shù)據(jù)集開(kāi)展研究。

面向醫(yī)療領(lǐng)域圖像處理的深度學(xué)習(xí)模型加速技術(shù)

醫(yī)療領(lǐng)域的圖像處理近幾年正在加速推廣應(yīng)用中，針對(duì)諸如各類癌癥篩查等應(yīng)用越來(lái)越成為醫(yī)生的重要輔助判斷工具。為提高深度學(xué)習(xí)的準(zhǔn)確率，研究者通常采用較復(fù)雜的深度網(wǎng)絡(luò)，但這影響了AI服務(wù)的吞吐率和響應(yīng)時(shí)間，為此需要對(duì)模型進(jìn)行加速。

優(yōu)化壓縮模型，減小計(jì)算時(shí)間，提升服務(wù)吞吐率，同時(shí)在相同的硬件情況下支撐更多的AI服務(wù)進(jìn)程。

參賽者可自行針對(duì)醫(yī)療領(lǐng)域典型的圖像處理應(yīng)用場(chǎng)景，應(yīng)用公開(kāi)數(shù)據(jù)集開(kāi)展研究。

疾病診療信息的特征提取技術(shù)和海量信息的高效匹配搜索技術(shù)

通過(guò)疾病及其診療信息的搜索，可以獲取以往相似病例的處理方法，甚至通過(guò)病例的多次診療，了解之前處理方法的效果，這些可以作為醫(yī)生針對(duì)當(dāng)前病例的輔助診療信息。為此，需要準(zhǔn)確的疾病診療信息特征提取與高效的搜索技術(shù)。

針對(duì)疾病及其診療信息進(jìn)行特征提取，并根據(jù)特征實(shí)現(xiàn)高效準(zhǔn)確的搜索算法。

參賽者可以使用互聯(lián)網(wǎng)公開(kāi)數(shù)據(jù)集。

基于區(qū)塊鏈的醫(yī)療信息保護(hù)與共享技術(shù)或應(yīng)用

醫(yī)療健康數(shù)據(jù)屬于隱私數(shù)據(jù)，但另一方面，這些數(shù)據(jù)對(duì)科研非常重要，應(yīng)該在合理范圍內(nèi)共享以研究應(yīng)用；同時(shí)，在具體場(chǎng)景中，如保險(xiǎn)業(yè)務(wù)中需要調(diào)取病例等相關(guān)信息。

如何利用區(qū)塊鏈等技術(shù)，實(shí)現(xiàn)數(shù)據(jù)的隱私保護(hù)，同時(shí)以技術(shù)手段實(shí)現(xiàn)信息共享與數(shù)據(jù)溯源，是一個(gè)重要的研究方向。本題目可聚焦于上述方向的幾個(gè)研究點(diǎn)，如醫(yī)療區(qū)塊鏈的吞吐率問(wèn)題，數(shù)據(jù)共享機(jī)制，數(shù)據(jù)溯源機(jī)制等；或者為具體應(yīng)用場(chǎng)景提供解決方案。

參賽者可以使用互聯(lián)網(wǎng)公開(kāi)數(shù)據(jù)集。

5G技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用與優(yōu)化

本題目探討5G在醫(yī)療領(lǐng)域的應(yīng)用與優(yōu)化，如醫(yī)療領(lǐng)域設(shè)備遠(yuǎn)程高速互聯(lián)、急救車(chē)等場(chǎng)景下的高速移動(dòng)互聯(lián)等。研究?jī)?nèi)容包括但不限于，適用于醫(yī)療與5G的數(shù)據(jù)/圖像壓縮、加密傳輸技術(shù)，保證QoS的自適應(yīng)數(shù)據(jù)傳輸技術(shù)，也可以研究5G應(yīng)用場(chǎng)景以及解決方案。

為5G在智慧醫(yī)療領(lǐng)域的應(yīng)用提供支撐。

參賽者可以使用互聯(lián)網(wǎng)公開(kāi)數(shù)據(jù)集。

醫(yī)療算法國(guó)產(chǎn)化硬件部署與優(yōu)化技術(shù)

隨著軟硬件國(guó)產(chǎn)化浪潮的興起，在醫(yī)療這個(gè)關(guān)系人民生命健康安全的領(lǐng)域?qū)崿F(xiàn)國(guó)產(chǎn)化顯得尤為重要。當(dāng)前軟件算法的國(guó)產(chǎn)化已經(jīng)取得了一些成效。但是當(dāng)前醫(yī)療領(lǐng)域仍然大量依賴于非國(guó)產(chǎn)硬件。如何在國(guó)產(chǎn)硬件上有效部署醫(yī)療領(lǐng)域算法是一個(gè)亟待解決的問(wèn)題。

針對(duì)國(guó)產(chǎn)化硬件，設(shè)計(jì)部署方法，并優(yōu)化部署應(yīng)用的性能。

參賽者可以使用互聯(lián)網(wǎng)公開(kāi)數(shù)據(jù)集，自由選擇合適的醫(yī)療算法和國(guó)產(chǎn)化硬件。

醫(yī)療多模態(tài)算法部署與優(yōu)化技術(shù)

隨著醫(yī)療信息化技術(shù)的提高，醫(yī)療行業(yè)產(chǎn)生了各種類型的醫(yī)學(xué)大數(shù)據(jù)。多模態(tài)深度神經(jīng)網(wǎng)絡(luò)能夠充分分析和融合這些醫(yī)學(xué)大數(shù)據(jù)，提升醫(yī)療診斷的準(zhǔn)確度，因此多模態(tài)神經(jīng)網(wǎng)絡(luò)健康診斷技術(shù)受到了廣泛的關(guān)注。但是，多模態(tài)模型往往具有更大的計(jì)算量和硬件需求，如何在醫(yī)院場(chǎng)景高效部署多模態(tài)醫(yī)療算法，尤其是如何在一些智能醫(yī)療嵌入式設(shè)備上進(jìn)行部署尤為挑戰(zhàn)。

針對(duì)醫(yī)療多模態(tài)算法，設(shè)計(jì)系統(tǒng)架構(gòu)，實(shí)現(xiàn)高效的部署工具。

參賽者可以使用互聯(lián)網(wǎng)公開(kāi)數(shù)據(jù)集，自主選擇合適的醫(yī)療多模態(tài)算法和硬件進(jìn)行部署。

基于多模態(tài)神經(jīng)網(wǎng)絡(luò)的健康管理技術(shù)

近年來(lái)，除了診斷疾病，AI技術(shù)還被廣泛應(yīng)用于日常生活中的健康管理。如何采集并分析用戶日常生活中的多種醫(yī)療健康數(shù)據(jù)，以給出相應(yīng)的健康管理建議變得越來(lái)越重要。

針對(duì)多種醫(yī)療數(shù)據(jù)，設(shè)計(jì)多模態(tài)深度神經(jīng)網(wǎng)絡(luò)，指導(dǎo)健康管理。

參賽者可以使用互聯(lián)網(wǎng)公開(kāi)數(shù)據(jù)集。

人工智能技術(shù)在報(bào)告解讀中的應(yīng)用

日常生活中，每一次就診都會(huì)產(chǎn)生檢驗(yàn)、檢查報(bào)告，每一次體檢會(huì)產(chǎn)生體檢報(bào)告，這些報(bào)告通常只有單純的指標(biāo)高低/醫(yī)學(xué)描述，非醫(yī)療專業(yè)人士往往無(wú)法理解其醫(yī)學(xué)意義，需要重返醫(yī)院或?qū)で髮I(yè)人士幫助，不但耗時(shí)且容易引起情緒不安。

對(duì)醫(yī)學(xué)報(bào)告進(jìn)行智能化解讀，提升報(bào)告在普通人群中的可讀性。

參賽者可以使用互聯(lián)網(wǎng)公開(kāi)數(shù)據(jù)集。

基于大語(yǔ)言模型的臨床筆記整理

醫(yī)療實(shí)踐和醫(yī)療教學(xué)中，每一次都會(huì)記錄大量文字材料，幫助醫(yī)生或醫(yī)學(xué)生整理有序的臨床筆記，可減少其時(shí)間成本，將更多的時(shí)間投入到工作中。

對(duì)醫(yī)療文字素材進(jìn)行智能化整理，提升醫(yī)生或醫(yī)學(xué)生工作效率。

參賽者可以使用互聯(lián)網(wǎng)公開(kāi)數(shù)據(jù)集。

互聯(lián)網(wǎng)醫(yī)療平臺(tái)的用戶體驗(yàn)優(yōu)化

互聯(lián)網(wǎng)醫(yī)療平臺(tái)是一種新型的醫(yī)療服務(wù)形態(tài)，它可以為用戶提供更加便捷和高效的醫(yī)療服務(wù)。然而，目前互聯(lián)網(wǎng)醫(yī)療平臺(tái)的用戶體驗(yàn)仍然存在一些問(wèn)題，如界面不友好、操作不便等。本題目旨在探究如何優(yōu)化互聯(lián)網(wǎng)醫(yī)療平臺(tái)的用戶體驗(yàn)，提高用戶滿意度和使用體驗(yàn)。

研究和探索互聯(lián)網(wǎng)醫(yī)療平臺(tái)的用戶體驗(yàn)優(yōu)化方案，提供可行的技術(shù)和設(shè)計(jì)建議，為互聯(lián)網(wǎng)醫(yī)療平臺(tái)的發(fā)展提供支持。

參賽者可以使用互聯(lián)網(wǎng)公開(kāi)數(shù)據(jù)集。

將Segment Anything應(yīng)用于醫(yī)學(xué)影像領(lǐng)域

最新的Segment Anything (SAM)模型的出現(xiàn)，領(lǐng)域內(nèi)一度傳言 “CV不復(fù)存在”。由于自然圖像和醫(yī)學(xué)圖像的差異，直接的遷移效果已被證實(shí)且注定不盡人意。目前已有些許研究將SAM應(yīng)用至醫(yī)學(xué)領(lǐng)域，但仍然有很長(zhǎng)的一段路要走。

探究在醫(yī)學(xué)領(lǐng)域如何利用目前的SAM模型，從SAM的設(shè)計(jì)中我們能學(xué)到什么，以及在醫(yī)學(xué)方向需要哪些更細(xì)致的優(yōu)化？可以用小而精的實(shí)驗(yàn)來(lái)證明你的方案。

參賽者可使用公開(kāi)的醫(yī)學(xué)影像數(shù)據(jù)集等

基于大語(yǔ)言模型的智能化藥物推薦

藥品是醫(yī)療服務(wù)的重要組成部分，用藥效果的好壞可以直接影響其健康和生活質(zhì)量。但是，由于患者個(gè)體差異、復(fù)雜的病情和藥物副作用等因素，藥物的選擇常常是一個(gè)復(fù)雜而繁瑣的過(guò)程，需要醫(yī)生根據(jù)患者的具體情況進(jìn)行綜合考慮和判斷，此過(guò)程不僅耗時(shí)，而且容易出現(xiàn)錯(cuò)誤。

根據(jù)患者的病情、身體狀況、用藥史等多個(gè)指標(biāo)，實(shí)現(xiàn)快速、準(zhǔn)確地藥物推薦。有望大大縮短患者用藥的時(shí)間，降低用藥錯(cuò)誤率，提高醫(yī)療服務(wù)質(zhì)量，實(shí)現(xiàn)個(gè)體化醫(yī)療服務(wù)的目標(biāo)。

參賽者可以使用互聯(lián)網(wǎng)公開(kāi)數(shù)據(jù)集。

基于大語(yǔ)言模型的智能化疾病風(fēng)險(xiǎn)評(píng)估

由于生活方式的不健康和環(huán)境污染等原因，患病的風(fēng)險(xiǎn)越來(lái)越高，給身體健康帶來(lái)了很大的威脅。預(yù)測(cè)患病風(fēng)險(xiǎn)，及早發(fā)現(xiàn)疾病，有助于做出相應(yīng)的醫(yī)療干預(yù)和管理，提高疾病預(yù)防和治療效果。

通過(guò)分析患者的生命體征、病情、家族病史等多個(gè)因素，預(yù)測(cè)其未來(lái)患病的概率和風(fēng)險(xiǎn)，為患者提供更為精準(zhǔn)的疾病風(fēng)險(xiǎn)預(yù)測(cè)和預(yù)防建議，從而達(dá)到將疾病控制在早期、有效控制。

參賽者可以使用互聯(lián)網(wǎng)公開(kāi)數(shù)據(jù)集。

2.通用方向

人工智能技術(shù)在臨床、公共衛(wèi)生、慢性病、康復(fù)等醫(yī)療場(chǎng)景中的應(yīng)用；

數(shù)字化技術(shù)在新冠肺炎疫情防控中的應(yīng)用；

基于區(qū)塊鏈的醫(yī)療信息保護(hù)與共享技術(shù)或應(yīng)用；

5G、自動(dòng)化與機(jī)器人、硬件設(shè)備、數(shù)字孿生、虛擬現(xiàn)實(shí)、Web3等前沿技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用；

醫(yī)療健康各類場(chǎng)景下人文社科、經(jīng)濟(jì)管理等學(xué)科與大數(shù)據(jù)和人工智能上的交叉研究與應(yīng)用。

*選題可不局限于上述方向，與智慧醫(yī)療、互聯(lián)網(wǎng)醫(yī)院等醫(yī)療健康相關(guān)的技術(shù)應(yīng)用都是歡迎的。

作品提交分為兩個(gè)階段:選題摘要提交與參賽作品提交。