新一代临床智能 AI

急性胰腺炎异质性分型及早期预测诊疗 Agent

国内首个基于动态心率轨迹 LCTM 分型的 AP 专属诊疗 Agent,融合联邦学习、面部炎症识别与医学大模型,实现「早期分层 - 风险预警 - 循证施治」全流程个性化诊疗。

≥0.85
重症预测 AUC-ROC
≥15%
住院时间缩短
≥20%
重症转化率降低
LCTM 精准分型
超早期风险预测
联邦隐私合规
LLM 循证方案
数据输入
LCTM 分型
风险预测
循证方案
动态心率轨迹
72h Monitoring

为什么需要 AP 异质性分型 Agent?

直击急性胰腺炎诊疗核心困境,填补动态精准诊疗的全链条临床空白

传统评分系统无法早期精准分层

AP 呈现「轻症自限、重症致命」的极端异质性。传统评分工具(APACHE Ⅱ、Ranson、BISAP)需入院 24-48h 完整数据,错过发病 6-24h 黄金干预窗。

高危患者漏判、低危患者过度治疗

单次心率检测价值有限

指南明确心率是 AP 严重程度评估的核心标志物,但临床常规仅采用单次检测。瞬时值仅能反映当下生理状态。

72h 动态轨迹才是反映炎症反应强度、预后的核心窗口

数据隐私壁垒高,单中心数据泛化性不足

AP 重症病例占比低,单中心样本有限,模型易过拟合。医疗数据属于敏感信息,跨院流转有严格合规要求。

多中心数据「共享难、协同难」成为 AI 落地瓶颈

项目定位:国内首个基于动态心率轨迹 LCTM 分型的 AP 专属诊疗 Agent

打造国内首个基于动态心率轨迹 LCTM 分型的 AP 专属诊疗 Agent,针对三大核心困境,填补「动态轨迹精准分型 - 超早期风险预警 - 个性化循证方案生成」的全链条临床空白;通过隐私安全的联邦学习架构,实现多中心医疗数据「可用不可见」。

传统诊疗模式:单次检测

85bpm
入院时心率
参考范围:60-100bpm
判定为正常

⚠ 无法预判 48h 后快速下降的重症风险

仅能反映瞬时状态,无法识别炎症进展趋势

Agent 辅助诊疗:72h 动态轨迹

✓ 入院 6h 识别快速下降趋势,提前 48h 预警高危风险

动态捕捉炎症进展,精准匹配预后亚型

传统 AP 诊疗流程

Step 1
入院诊断
Step 2
单次检验检查
Step 3
24-48h 完成评分
风险分层滞后
Step 4
经验性常规治疗
治疗同质化
Step 5
病情进展后被动调整
错失黄金干预窗

Agent 辅助诊疗流程

Step 1
入院诊断
Step 2
实时对接 HIS/EMR
Step 3
LCTM 分型 + 人脸识别
超早期分层
Step 4
入院 6h 内预警
动态持续评估
Step 5
LLM 个性化方案
个体化精准干预

四大核心技术,构建 AP 精准诊疗全闭环

从动态生物标志物分型、隐私安全多中心训练、多模态超早期预警到循证方案生成,全链条技术创新

动态心率轨迹 LCTM 分型技术

潜在类别轨迹模型 · 72h 动态监测 · 精准风险分层

技术核心原理

采用潜在类别轨迹模型(LCTM),对患者入院 72h 内 6 个关键时间节点(0h/6h/12h/24h/48h/72h)的心率时间序列数据进行无监督聚类拟合,识别出具有显著预后差异的特征轨迹亚型,精准量化患者全身炎症反应强度、毛细血管渗漏程度与疾病进展趋势。

典型轨迹亚型与临床意义

快速上升 - 持续心动过速型

入院 6h 内快速上升,72h 内持续高于 120bpm,无回落拐点

极高危

提示严重全身炎症反应、毛细血管渗漏,极高概率进展为重症 AP、合并多器官功能衰竭

缓慢上升 - 延迟回落型

入院 24h 内缓慢上升,峰值 100-120bpm,48h 后出现延迟回落

中危

提示中度炎症反应,存在继发感染、病情进展风险,需密切监测与预防性干预

稳定 - 快速回落型

心率全程稳定在 100bpm 以下,或轻度升高后 24h 内快速回落

低危

提示炎症反应局限,病情自限性高,常规治疗即可获得良好预后

分型核心优势

  • 比传统单次心率检测提前24-48h识别高危患者
  • 对重症 AP 的预测效能较瞬时值提升32%
  • 与 AP 诊疗指南专家分层结果一致性Cohen's kappa≥0.75

3 种典型亚型动态轨迹曲线

LCTM 模型工作原理

多时间点心率
时序数据输入

时序特征工程
与标准化

LCTM 模型拟合
与优度检验

亚型标签 +
转归概率输出

分型演示

匹配亚型:快速上升 - 持续心动过速型

横向联邦学习隐私安全训练架构

数据不出院 · 隐私零风险 · 模型共建共享

技术核心原理

采用「横向联邦学习 + 同态加密 + 差分隐私」三重隐私保护技术,搭建「中心协调服务器 + 多中心本地客户端」的分布式训练架构。原始数据 100% 留存医院本地,不出院、不流转、不共享,仅加密后的模型梯度参数在中心服务器完成安全聚合。

架构核心优势

  • 隐私合规零风险:原始数据全程不出本地,通过国家网络安全等级保护三级认证
  • 模型泛化性显著提升:多中心验证显示,联邦全局模型的预测效能较单中心模型提升≥5%
  • 协作成本大幅降低:无需多中心数据流转,模型迭代效率提升40% 以上

合作网络现状

已联合国内3 家顶级三甲医院消化内科/ICU 完成首期联邦训练与模型验证,现开放招募全国二甲及以上医院消化内科、ICU、急诊科加入联邦学习网络。

联邦学习架构拓扑图

北京协和医院

本地训练客户端

入组样本:1200

原始数据不出院

上海瑞金医院

本地训练客户端

入组样本:980

原始数据不出院

华西医院

本地训练客户端

入组样本:1150

原始数据不出院

全局模型协调服务器

加密参数聚合

模型性能对比

基于 Med-ViT 的人脸炎症早期识别模型

无创 · 超早期 · 6h 内预警

技术核心原理

采用医疗领域专项微调的Medical Vision Transformer(Med-ViT)模型,自动提取患者入院面部图像中的多维度炎症相关特征,包括眶周/面部黄疸、面部软组织水肿、疼痛相关微表情、红外热像面部温度分布,同时融合入院 6h 内的基础临床指标。

预测核心优势

  • 预警时间大幅提前:入院 6h 内仅需 1 张面部照片 + 基础临床指标,比传统 APACHE Ⅱ、BISAP 评分的有效预测时间提前 18-42h
  • 预测效能优异:重症预测AUC-ROC≥0.85,对黄疸、水肿等早期炎症体征的识别准确率≥92%
  • 临床适配性强:操作无创、便捷、可重复监测,适配急诊、普通病房、ICU 等多场景

模型特征提取 Grad-CAM 热力图

原始面部照片

入院 6h 拍摄

Grad-CAM 热力图

红色高亮为模型关注区域

模型核心关注区域:

眶周黄疸面部水肿鼻唇沟变浅(疼痛表情)面部温度分布

模型核心关注区域与临床炎症体征高度吻合,具备完整的临床可解释性

预测性能 ROC 曲线对比

医学微调 LLM 循证个性化方案生成引擎

DeepSeek-V3-Med 专项微调 · RAG 检索增强 · 全链路循证可溯源

技术核心原理

基于DeepSeek-V3-Med 医学大模型进行 AP 专项微调,搭建定制化 RAG 检索增强知识库,深度整合《中国急性胰腺炎诊疗指南(2024 版)》、AGA/WGO 国际指南、近 5 年 AP 领域顶级循证文献。

方案核心优势

  • 全链路循证可溯源:每一条诊疗推荐均标注明确的指南条款/文献来源,支持一键查看原文
  • 强个性化适配:基于患者的 LCTM 亚型、重症风险等级、基础疾病,生成专属方案,告别"一刀切"
  • 高临床接受度:多中心临床盲评验证,方案评分≥8 分(满分 10 分),90% 以上医生认为可直接参考

LLM 循证方案生成流程

LCTM 亚型标签 + 患者临床数据输入

RAG 知识库 精准检索

医学 LLM 推理生成

结构化循证 诊疗方案输出

医生审核 修改

临床应用与 效果反馈

模型迭代 优化

方案生成演示

快速下降 - 持续低蛋白型
极高危

液体治疗

立即启动目标导向液体治疗(GDFT),晶体液 500ml 快速输注(30 分钟内),随后根据 CVP、尿量调整输液速度,维持尿量>0.5ml/kg/h

营养支持

早期肠内营养(24-48h 内),鼻空肠管喂养,起始速度 20ml/h,逐步增加至目标热量 25-30kcal/kg/d

1:1 还原临床操作界面,沉浸式体验全流程诊疗辅助

模拟临床医生真实工作流,无需部署即可体验从病历对接、数据分析到报告生成的完整功能

核心功能说明

本演示界面完整还原 PancreaAgent-AI™ 的临床应用工作台,支持医院 HIS/EMR/PACS 系统对接、多模态数据上传、自动化分型分析、循证诊断报告生成四大核心能力,让您直观感受产品如何融入真实临床工作流,提升诊疗效率与精准度。

PancreaAgent-AI™

V1.0

北京协和医院

HIS 系统

已连接

上海瑞金医院

EMR 系统

未连接

华西医院

PACS 系统

未连接

张三

快速下降 - 持续低蛋白型

高危

李四

缓慢下降 - 延迟回升型

中危

王五

稳定 - 快速回升型

低危

分析工具

面部分析

上传面部照片

心率动态轨迹分析

心率轨迹数据上传

上传轨迹数据

诊断报告

请执行分析以生成诊断报告

多学科、多中心团队,保障项目临床落地

汇聚国内顶尖消化内科、重症医学与人工智能专家,联合多家三甲医院,构建产学研协同创新生态

核心专家团队

张教授

主任医师 / 博士生导师

北京协和医院 消化内科

首席科学家 / 项目负责人

研究方向:急性胰腺炎精准诊疗、人工智能在消化系统疾病中的应用

查看完整简介

李教授

主任医师 / ICU 主任

上海交通大学医学院附属瑞金医院 重症医学科

临床负责人

研究方向:重症急性胰腺炎的救治与临床研究、多器官功能衰竭支持治疗

查看完整简介

王教授

教授 / 博士生导师

清华大学 计算机科学与技术系

AI 技术负责人

研究方向:医疗机器学习、联邦学习、计算机视觉

查看完整简介

赵教授

主任医师 / 放射科主任

四川大学华西医院 放射科

影像技术负责人

研究方向:医学影像组学、炎症性疾病影像诊断、AI 辅助诊断

查看完整简介

团队核心优势

临床与 AI 深度融合

消化内科、ICU 临床专家全程参与算法设计与模型迭代,确保技术方案符合临床实践,解决真实临床痛点

产学研协同创新

联合高校 AI 实验室与医院临床中心,实现从基础研究到临床转化的全链条创新,加速技术落地

多中心验证网络

依托已建立的多中心合作网络,快速完成模型的外部验证与优化,确保模型的泛化性与可靠性

合作中心网络

北京协和医院

消化内科

上海瑞金医院

重症医学科

四川大学华西医院

消化内科

中山大学附属第一医院

急诊科

浙江大学医学院附属第二医院

重症医学科

我们诚挚邀请更多有远见的医疗机构加入我们的合作网络,共同推动急性胰腺炎精准诊疗的发展

5+

核心合作中心

4,250+

累计入组患者

10+

参与研究专家

3

多中心 RCT 研究

灵活的部署方式,开放的合作网络

适配不同医院信息化与隐私合规要求,多维度合作模式,共同推进急性胰腺炎精准诊疗落地

两种合规部署方案

云端部署(SaaS 模式)

快速上线 · 零运维 · 自动更新

核心特性对比

隐私安全

医疗合规专属云,VPN 安全访问

部署成本

开通即用,零服务器投入

维护难度

云端统一运维,无需本地支持

迭代速度

模型自动迭代,实时同步

适用场景:适合开展多中心协作、试点先行、快速上线验证的医院

本地部署(私有化模式)

数据不出院 · 深度集成 · 自主管控

核心特性对比

隐私安全

系统完全部署在内网,数据全程不出院

部署成本

需本地服务器与运维团队

维护难度

提供定期维护与技术支援

迭代速度

定期推送模型更新包

适用场景:适合对数据隐私有极高要求的三甲医院与教学科研机构

多元化合作模式

临床试点合作

医院免费/优惠部署系统,开展真实世界临床应用

  • 共同收集数据、优化模型
  • 共享临床成果与案例宣传
  • 获得优先技术支持
  • 参与产品功能优化

联邦学习网络共建

加入 AP 多中心联邦学习联盟,参与模型训练

  • 数据不出院,隐私零风险
  • 共享更精准的全局模型
  • 提升本院科研与诊疗水平
  • 联合发表科研成果

科研课题合作

联合申报国家级/省部级课题,发表高分 SCI 论文

  • 支持临床研究设计
  • 提供统计分析与论文撰写
  • 联合申请发明专利
  • 共享研究数据与成果

医联体/区域推广合作

面向区域医疗中心,共建 AP 精准诊疗规范

  • 实现分级诊疗智能化
  • 重症早筛与双向转诊
  • 区域协同诊疗网络
  • 统一质控标准

标准合作流程

1

提交合作意向

在线填写合作申请表

点击展开详情

2

初步沟通与需求评估

专职联络员对接沟通

点击展开详情

3

方案定制与伦理报备

制定个性化实施方案

点击展开详情

4

签署合作协议

明确双方权责

点击展开详情

5

部署实施与培训

系统部署与人员培训

点击展开详情

6

临床落地与持续迭代

正式投入使用

点击展开详情

全程服务保障:配备专职临床联络与技术实施团队,保障上线效率与使用体验

合作中心分布

合作网络覆盖全国

北京
上海
成都
广州
杭州

立即开启合作之旅