****
关于区域科研平台及临床科研大数据模型应用平台建设项目的采购需求公示
我院拟采购区域科研平台及临床科研大数据模型应用平台建设项目，现向社会征集方案。方案报名时间：2024年11月25日（周一）至2024年12月1日（周一）截止。
一、项目名称：区域科研平台及临床科研大数据模型应用平台建设项目
二、主要内容
1.科研管理与成果展示：实现科研项目的全流程管理，包括项目申报、立项、执行、结题等，并支持科研成果的在线录入、展示、评估和转化。
2.数据存储：建设大规模的数据存储和备份系统，确保科研数据的安全性和可靠性。
3.临床大数据模型分析应用：提供强大的数据分析工具和算法，支持科研人员进行复杂的数据分析和挖掘，构建临床医学科研大数据模型，支持医疗决策、疾病预测和个性化治疗。
4.区域共建共享：实现区域内科研成果的共建共享，提升整体科研水平。
三、建设内容
（一）科研管理与成果展示平台
1.科研项目管理
(1)项目申报与审批：实现科研项目的在线申报和审批，简化管理流程。
(2)项目执行与监控：提供项目执行进度跟踪、经费管理、中期检查等功能。
(3)项目结题与评估：支持项目结题申请、成果验收、绩效评估等。
2.科研**管理：
科研驾驶舱：****医院科研数据及病种项目的总体情况概览。
3.科研**管理：
(1)多中心**：****中心、多学科的科研**，实现**共享和协同研究。
(2)国际**：提供国际**项目的管理功能，促进国际科研交流。
4.科研成果管理：
（1）成果录入：支持科研成果的在线录入和管理，包括论文、专利、专著等。
（2）成果展示：建立科研成果展示平台，促进科研成果的交流和转化。
（3）成果评估：提供科研成果的评估功能，支持同行评议和绩效考核。
（4）成果转化：提供科研咨询，及科研成果转化管理，助力院内科研成果转化。
****中心
1.数据存储
(1)高性能存储系统：采用分布式存储技术，实现大规模数据的高效存储和管理。
(2)数据备份与恢复：建立数据备份和恢复机制，确保数据的安全性和可靠性。
2.数据治理
(1)数据标准化：制定数据标准和规范，确保数据的一致性和准确性。
(2)数据质量控制：建立数据质量控制机制，定期进行数据清洗和校验。
3.数据共享
(1)内部共享：支持医院内部各科室之间的数据共享，提高科研协作效率。
(2)区域共享：****医疗机构****医疗机构的数据共享，****中心研究。
4.数据安全
(1)安全防护：采用多层次的安全防护措施，包括网络防火墙、入侵检测、数据加密等。
(2)访问控制：建立严格的访问控制机制，确保数据的机密性和完整性。
（三）临床科研大数据模型分析应用平台
1.数据预处理
(1)数据清洗：去除无效数据和异常值，确保数据的质量。
(2)数据转换：将不同来源的数据进行格式转换，实现数据的统一管理。
(3)数据结构化：通过自然语言处理满足科研结构化数据需求。
2.数据分析工具
(1)统计分析：提供常用的统计分析工具，支持描述性统计、推断统计等。
(2)机器学习：集成多种机器学习算法，支持分类、回归、聚类等任务。
(3)可视化分析：提供丰富的可视化工具，支持数据的图形化展示和探索。
3.临床大数据模型应用：
(1)疾病预测模型：利用电子病历数据构建疾病预测模型，支持早期干预和预防。
(2)影像分析模型：利用深度学习技术分析医学影像，辅助疾病诊断。
(3)个性化治疗模型：基于基因组数据和临床数据，构建个性化药物治疗模型，提高治疗效果。
(4)多模态数据融合：结合多种类型的数据（如影像、基因组、临床数据等），构建更全面的模型。
(5)实时数据分析：利用流处理技术，实现实时数据的分析和处理，支持动态决策。
(6)可解释性AI：开发可解释性强的AI模型，提高模型的透明度和可信度。
四、项目要求：
（一）系统架构
1.采用云计算和微服务架构，支持弹性扩展和高可用性。
2.前端采用现代Web技术（如React、Vue），后端采用Java、Python等编程语言。
3.数据库采用达梦、人大金仓、高斯DB等国产关系型数据库。
4.数据仓库采用Hadoop、Spark等大数据技术。
5.中间件采用信创中间件（如**通、中创中间件等）。
6.操作系统采用信创操作系统（如**操作系统、统信UOS等）。
（二）数据存储
1.使用分布式文件系统（如HDFS）和对象存储（如S3），实现大规模数据的高效存储和管理。
2.采用数据备份和恢复技术，确保数据的安全性和可靠性。
（三）数据治理
1.制定数据标准和规范，建立数据字典和元数据管理。
2.采用数据清洗和校验工具，确保数据的质量。
（四）数据安全
1.采用多层次的安全防护措施，包括网络防火墙、入侵检测、数据加密等。
2.建立严格的访问控制机制，确保数据的机密性和完整性。
（五）大模型和AI应用
1.预训练模型：引入预训练的大规模语言模型（如BERT、GPT等），用于自然语言处理任务。
2.图像识别模型：利用预训练的图像识别模型（如ResNet、Inception等），进行医学影像的自动识别和标注。
3.多模态模型：结合文本、图像等多种模态数据，构建多模态大模型，提升综合分析能力。
4.AI应用：开发基于大模型的AI应用，支持疾病预测、影像分析、个性化治疗和智能决策支持。
四、资料清单：
需提交材料：项目方案及报价、公司资质材料、联系人、联系方式（报价需加盖公章）。
报名联系方式：
联系人：刘晨晖 邮箱地址：****@QQ.COM
咨询电话：0752-****164
****
2024年11月25日
换一批