第六屆上海交大-衛寧健康智慧醫療挑戰賽持續報名中！

上海交大-衛寧健康智慧醫療挑戰賽是由上海市計算機學會指導、上海交通大學計算機科學與工程系主辦、衛寧健康與上海交大-衛寧健康聯合實驗室聯合承辦、上海市醫學會互聯網醫療專科分會、浙江大學醫學院附屬邵逸夫醫院與浙江省認知醫療工程技術研究中心、國家健康醫療大數據研究院聯合協辦的大型技術場景競賽活動。

ChatGPT的橫空出世，迅速引起了社會的廣泛關注與討論，它打破了人機交互的復雜壁壘，讓人工智能技術的發展生出了新的探索方向，它當之無愧成為了“AI時代的星火”，將對各個領域的AI發展路徑產生深遠的影響。

上海交大-衛寧健康智慧醫療挑戰賽是一年一度的醫療+AI賽事，比賽旨在通過打造全國高水平AI技術應用科技創新平臺，聚合業內頂級專家及資源，共同開拓AI技術在醫療健康領域落地的更多可能性。第六屆上海交大-衛寧健康智慧醫療挑戰賽以「追光· Vision」為主題，亦有星星火，燎原勢竟成，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限接近的技術，以AI視角探索醫療的高質量發展路徑，讓星火的光照亮遠方前行的路。

6月1日

一、高校組

1. 知識圖譜在醫療健康領域的應用

2. 醫療健康領域多源數據融合與應用

3. 虛擬/增強現實在智慧醫療中的應用

4. 面向智慧醫療的群智計算和聯邦學習技術

5. 醫療健康領域的無接觸診療技術

6. 大數據分析在醫療健康領域的應用

7. 醫療健康領域深度神經網絡模型訓練以及數據集管理

8. 面向醫院信息系統智能化的運行時支撐技術

9. 基于物聯網設備的智能健康管理技術

10. 基于邊緣計算的醫療視頻實時分析技術

11. 區塊鏈技術在醫療健康領域的應用

12. 圖神經網絡在藥物研發中的應用

13. 隱私保護的智慧醫療關鍵技術

14. 基于可解釋性人工智能模型的診療技術

15. 基于因果推斷的健康因素分析與藥物治療方案分析

16. 大數據技術下健康風險預測

17. 醫療AI模型參數竊取攻擊的防御技術研究

18. 基于CT醫學圖像的3D病灶重建研究

19. 醫療數據存儲及壓縮技術研究

20. 基于NLP的智能問診交互研究

21. 基于生成式人工智能的輔助診療研究

22. GPT技術在醫療領域的應用

23. GPT技術在自我健康管理中的應用研究

24. 基于GPT的智能健康咨詢助手

25. 大模型針對區域性、個性化醫療健康的應用研究

26. 醫療數據的共享交換方案研究

27. 基于醫療數據共享的AI 大模型訓練方案研究

28. 高效醫療多模態模型執行技術

29. 多模腦電分析與診斷方案研究

30. 小目標檢測在醫療圖像檢測領域的應用

二、綜合組

1.專業方向

人工智能技術在臨床危重癥疾病預警中的應用

有效的臨床危重癥疾病患者監測提前預警，有助在事前對危重癥患者的病情發展進行有效的風險預判，及時給予治療，提升患者的存活率。

1種或多種典型危重癥疾病，構建患者隊列研究數據，利用AI技術進行危重癥疾病預測模型設計與構建，發掘患者數據與病情變化隱藏的關聯性,從而輔助醫療決策。對模型結果進行驗證，并提供驗證效果。

參賽者可自行針對醫療領域典型的應用場景，用公開數據集進行研究。

人工智能技術在康復護理與健康照護中的應用

醫院的護士護理工作繁重，特別是在康復護理和健康照護中，基于AI的各類場景機器人可以有效輔助護士完成治療、護理照護等日常工作，減少工作量并提升護理照護質量。

針對典型的1種或多種護理照護場景，利用AI技術構建智能機器人，如結合物聯網技術實現輔助輸液、體征檢測等智能床旁機器人；輔助癱瘓患者的飲食機器人、移動輔助機器人；輔助自動檢測預警患者生命體征的監管機器人、失能患者照料機器人，康復恢復訓練機器人等，從而輔助康復護理和健康照護。對機器人模型進行驗證，并提供驗證效果。

參賽者可自行選擇醫療領域典型的應用場景，用公開數據集進行研究。

人工智能技術在慢病自我管理中的應用

慢病的康復過程是一極其漫長的過程，利用人工智能可以幫助患者在飲食生活、運動管理、服藥依從性、并發癥監測等關鍵環節的方案制定與落實，提高患者的行為依從性，加快康復進程。

針對任意一種典型慢性病，構建知識庫和人工智能算法模型，實現患者健康相關數據自動更新、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、提議以做出合理的自我管理決策。

參賽者可自行針對具體醫療領域應用場景，用公開數據集進行研究。

基于醫學影像多模態算法研究和應用

在臨床診斷的過程中，醫生通常會使用多種模態的數據，例如圖像，報告，在過程中也會采用交互式的方式。對于多模態的醫學影像問答或者內容生成，希望在這一領域進行進一步的研究，挖掘適合多模態的人工智能模型。

針對特定的醫療圖像應用場景，實現基于多模態數據的人工智能模型和相關應用。

參賽者可自行針對醫學領域典型的圖像處理應用場景，應用公開數據集開展研究

面向醫學影像快速檢索的高通量視頻分析技術

醫學影像檢索目前主要依靠人工方法標注文字標簽，檢索時根據標簽來查找匹配的影像。如果標簽中未涉及查找的信息，那么即使影像中存在相關內容，也無法被檢索到。近年來，高通量視頻分析技術快速發展，為按需查詢大量醫學影像中未被準確標注的內容提供了可能性。

實現一個檢索系統，其數據為多個視頻文件，其輸入為一個(或多個)圖像識別模型，其輸出為包含被識別圖像信息的視頻的文件名，以及該圖像在該視頻中的時間位置。在相同硬件條件下的速度越快越好。

參賽者可自行針對醫學領域典型的圖像處理應用場景，應用公開數據集開展研究。

大語言模型的醫療場景應用

隨著ChatGPT的問世和各種開源大語言模型的公布，在醫療領域人工智能大語言模型提供了很多潛在應用的可能性。

以現有的大語言模型為基礎，設計不同的醫療信息化應用場景。

參賽者可自行針對具體醫療領域應用場景，用公開數據集進行研究。

基于醫學百科知識的臨床術語自動匹配技術

傳統技術通過計算短語的編輯距離、詞向量等方法來完成臨床術語的匹配對齊問題，但這些方法沒有考慮醫學用語的背景知識，容易造成匹配錯誤。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“肌肉萎縮性側索硬化癥”、“川崎病”和“皮膚黏膜淋巴結綜合征”)。

本題目需要參賽者借助外部公開醫學百科知識數據，通過知識圖譜和知識嵌入等相關技術，實現醫學術語的匹配算法，通過醫學百科知識的嵌入解決術語匹配中的內涵相似性識別問題。

參賽者可自行收集維基百科、百度百科、尋醫問藥等相關知識數據。

基于自然語言處理的病歷文本零誤檢自動校正技術

電子病歷文本是醫生對病人病情的文字性描述，一般是醫生通過手工輸入電子病歷系統的。難免存在錯字、漏字、錯標點等問題。這些錯誤對后期的解讀和數據分析埋下隱患。

參賽者需要借助所提供的真實場景的臨床病歷文本數據，通過算法從中梳理出符合訓練要求的優質訓練數據，以這些數據為基礎借助人工智能和自然語言處理相關算法，設計病歷文本的自動校正方法。本場景希望保證一定檢出率的同時控制誤檢率在極小范圍。

組委會提供不少于10萬字符的無標注語料可供參賽者清洗訓練。

基于人工智能的腔鏡虛擬現實

三維手術導航給醫生術前手術評估、手術方案設計提供了一個非接觸式、高度還原的評價方法，由于采集的設備，技術條件的限制，目前術前三維成像僅限于特定方向和特定領域，針對醫學影像、內鏡視頻等不同的三維輸入數據，提供實時、高效、便捷的三維成像、虛擬現實技術，將大大降低臨床醫生手術的潛在風險，提升效率。

將視頻或醫學圖像數據，通過基于深度學習的方法，構建三維立體模型。

參賽者可自行針對醫療領域典型的圖像處理應用場景，應用公開數據集開展研究。

面向醫療領域圖像處理的深度學習模型加速技術

醫療領域的圖像處理近幾年正在加速推廣應用中，針對諸如各類癌癥篩查等應用越來越成為醫生的重要輔助判斷工具。為提高深度學習的準確率，研究者通常采用較復雜的深度網絡，但這影響了AI服務的吞吐率和響應時間，為此需要對模型進行加速。

優化壓縮模型，減小計算時間，提升服務吞吐率，同時在相同的硬件情況下支撐更多的AI服務進程。

參賽者可自行針對醫療領域典型的圖像處理應用場景，應用公開數據集開展研究。

疾病診療信息的特征提取技術和海量信息的高效匹配搜索技術

通過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，這些可以作為醫生針對當前病例的輔助診療信息。為此，需要準確的疾病診療信息特征提取與高效的搜索技術。

針對疾病及其診療信息進行特征提取，并根據特征實現高效準確的搜索算法。

參賽者可以使用互聯網公開數據集。

基于區塊鏈的醫療信息保護與共享技術或應用

醫療健康數據屬于隱私數據，但另一方面，這些數據對科研非常重要，應該在合理范圍內共享以研究應用；同時，在具體場景中，如保險業務中需要調取病例等相關信息。

如何利用區塊鏈等技術，實現數據的隱私保護，同時以技術手段實現信息共享與數據溯源，是一個重要的研究方向。本題目可聚焦于上述方向的幾個研究點，如醫療區塊鏈的吞吐率問題，數據共享機制，數據溯源機制等；或者為具體應用場景提供解決方案。

參賽者可以使用互聯網公開數據集。

5G技術在醫療領域的應用與優化

本題目探討5G在醫療領域的應用與優化，如醫療領域設備遠程高速互聯、急救車等場景下的高速移動互聯等。研究內容包括但不限于，適用于醫療與5G的數據/圖像壓縮、加密傳輸技術，保證QoS的自適應數據傳輸技術，也可以研究5G應用場景以及解決方案。

為5G在智慧醫療領域的應用提供支撐。

參賽者可以使用互聯網公開數據集。

醫療算法國產化硬件部署與優化技術

隨著軟硬件國產化浪潮的興起，在醫療這個關系人民生命健康安全的領域實現國產化顯得尤為重要。當前軟件算法的國產化已經取得了一些成效。但是當前醫療領域仍然大量依賴于非國產硬件。如何在國產硬件上有效部署醫療領域算法是一個亟待解決的問題。

針對國產化硬件，設計部署方法，并優化部署應用的性能。

參賽者可以使用互聯網公開數據集，自由選擇合適的醫療算法和國產化硬件。

醫療多模態算法部署與優化技術

隨著醫療信息化技術的提高，醫療行業產生了各種類型的醫學大數據。多模態深度神經網絡能夠充分分析和融合這些醫學大數據，提升醫療診斷的準確度，因此多模態神經網絡健康診斷技術受到了廣泛的關注。但是，多模態模型往往具有更大的計算量和硬件需求，如何在醫院場景高效部署多模態醫療算法，尤其是如何在一些智能醫療嵌入式設備上進行部署尤為挑戰。

針對醫療多模態算法，設計系統架構，實現高效的部署工具。

參賽者可以使用互聯網公開數據集，自主選擇合適的醫療多模態算法和硬件進行部署。

基于多模態神經網絡的健康管理技術

近年來，除了診斷疾病，AI技術還被廣泛應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療健康數據，以給出相應的健康管理建議變得越來越重要。

針對多種醫療數據，設計多模態深度神經網絡，指導健康管理。

參賽者可以使用互聯網公開數據集。

人工智能技術在報告解讀中的應用

日常生活中，每一次就診都會產生檢驗、檢查報告，每一次體檢會產生體檢報告，這些報告通常只有單純的指標高低/醫學描述，非醫療專業人士往往無法理解其醫學意義，需要重返醫院或尋求專業人士幫助，不但耗時且容易引起情緒不安。

對醫學報告進行智能化解讀，提升報告在普通人群中的可讀性。

參賽者可以使用互聯網公開數據集。

基于大語言模型的臨床筆記整理

醫療實踐和醫療教學中，每一次都會記錄大量文字材料，幫助醫生或醫學生整理有序的臨床筆記，可減少其時間成本，將更多的時間投入到工作中。

對醫療文字素材進行智能化整理，提升醫生或醫學生工作效率。

參賽者可以使用互聯網公開數據集。

互聯網醫療平臺的用戶體驗優化

互聯網醫療平臺是一種新型的醫療服務形態，它可以為用戶提供更加便捷和高效的醫療服務。然而，目前互聯網醫療平臺的用戶體驗仍然存在一些問題，如界面不友好、操作不便等。本題目旨在探究如何優化互聯網醫療平臺的用戶體驗，提高用戶滿意度和使用體驗。

研究和探索互聯網醫療平臺的用戶體驗優化方案，提供可行的技術和設計建議，為互聯網醫療平臺的發展提供支持。

參賽者可以使用互聯網公開數據集。

將Segment Anything應用于醫學影像領域

最新的Segment Anything (SAM)模型的出現，領域內一度傳言 “CV不復存在”。由于自然圖像和醫學圖像的差異，直接的遷移效果已被證實且注定不盡人意。目前已有些許研究將SAM應用至醫學領域，但仍然有很長的一段路要走。

探究在醫學領域如何利用目前的SAM模型，從SAM的設計中我們能學到什么，以及在醫學方向需要哪些更細致的優化？可以用小而精的實驗來證明你的方案。

參賽者可使用公開的醫學影像數據集等

基于大語言模型的智能化藥物推薦

藥品是醫療服務的重要組成部分，用藥效果的好壞可以直接影響其健康和生活質量。但是，由于患者個體差異、復雜的病情和藥物副作用等因素，藥物的選擇常常是一個復雜而繁瑣的過程，需要醫生根據患者的具體情況進行綜合考慮和判斷，此過程不僅耗時，而且容易出現錯誤。

根據患者的病情、身體狀況、用藥史等多個指標，實現快速、準確地藥物推薦。有望大大縮短患者用藥的時間，降低用藥錯誤率，提高醫療服務質量，實現個體化醫療服務的目標。

參賽者可以使用互聯網公開數據集。

基于大語言模型的智能化疾病風險評估

由于生活方式的不健康和環境污染等原因，患病的風險越來越高，給身體健康帶來了很大的威脅。預測患病風險，及早發現疾病，有助于做出相應的醫療干預和管理，提高疾病預防和治療效果。

通過分析患者的生命體征、病情、家族病史等多個因素，預測其未來患病的概率和風險，為患者提供更為精準的疾病風險預測和預防建議，從而達到將疾病控制在早期、有效控制。

參賽者可以使用互聯網公開數據集。

2.通用方向

人工智能技術在臨床、公共衛生、慢性病、康復等醫療場景中的應用；

數字化技術在新冠肺炎疫情防控中的應用；

基于區塊鏈的醫療信息保護與共享技術或應用；

5G、自動化與機器人、硬件設備、數字孿生、虛擬現實、Web3等前沿技術在醫療領域的應用；

醫療健康各類場景下人文社科、經濟管理等學科與大數據和人工智能上的交叉研究與應用。

*選題可不局限于上述方向，與智慧醫療、互聯網醫院等醫療健康相關的技術應用都是歡迎的。

作品提交分為兩個階段:選題摘要提交與參賽作品提交。