北京赛迈特锐医疗将携影像报告完整解决方案以及众多科研成果亮相CCR2024盛会。在过去的三四年当中，赛迈与十多家医疗机构开展了诸多科研协作，并累计发表了近百篇科研论文，取得了丰硕的成果。这背后离不开持续完善的科研平台信息化工具的支持，才有可能在有限的时间、有限的人力情况下，支持如此广泛的科研合作。

影像的科研项目有明确的规律可循。首先是在影像学科研的模式上，主要研究对象涉及临床信息、读片结果、深度学习/组学模型的评价等；其次在统计分析上，主要涉及统计描述、统计推断和假设检验；最后在论文的撰写上也有固定的规范，比如满足某个领域的国际共识的Checklist要求等。这就意味着我们有可能通过某些信息化技术来规模化地降低研究者的实践成本。

图1：科研平台的管理界面

另一方面，在医疗机构开展影像类科研也存在着很多障碍，比如研究者很可能没有经过严格的科研培训，对数据分布特征的复杂性、处理方法的复杂性缺乏认识，需要花费大量的时间学习、分析和处置数据。这些困难往往会让很多研究者空有想法，对科研过程望而却步。因此在广大的医疗机构当中，运用类似科研平台这类信息化工具，来让真正的科研以较低的成本得以完成就成为了一种普遍的需求。

图2：科研平台可实现常见的数十种图表的自动化生成

赛迈的科研管理平台提供了4个核心模块，包括立项相关资料管理、项目数据管理、统计分析/图表生成、文本自动生成等模块。其中文本生成模块不仅可以对自动化生成的统计图文进行准确的描述，而且可在汇总项目资料的基础上，自动化地生成论文的材料和方法、结果的客观描述部分，仅需少量人工修改，论文原稿的相关内容即可成型。

图3：自动化形成统计图表的分析解释

科研管理平台并非论文工厂的自动化工具，它的业务目标是服务于真正的科研工作。研究者仍然需要自己提出严谨的研究方案、收集数据并完成数据清洗，以及对最终结果进行评价。科研平台对于研究者的受益在于如下三个方面：明显缩短数据处理时间、运用多种统计分析工具拓展研究范围、避免手工操作带来的差错等。

赛迈科研管理平台有一个逐步发展的过程，从早期仅仅是进行数据的管理，到自动化地进行数据分析，再到论文的自动化形成。目前已经有多个科研项目从立项管理到数据分析再到论文生成完全地依赖于平台完成。

图4：部分完全依赖科研平台开展的项目清单

赛迈科研管理平台的下一步发展计划非常清晰。其中涉足早期研究设计当中的数据标准化定义是一个重要方向。这种标准化不仅带来数据表与统计方案之间的自动化联动，而且对于研究者进行数据探索，自动化尝试其他研究假设极为重要。结合不同项目的内在医学逻辑，还可能实现异常值的自动化发现，以及自动化的数据清洗和分层操作。另外一个重要方向是运用线上闭源的LLM自动化形成Checklist清单、自动化形成参考资料检索、生成讨论内容，以及按照不同的出版商要求自动化地调整版面，等等。赛迈科研管理平台的业务目标是扩展服务范围，从目前辅助研究者完成医学影像科研工作中50%的常规研究任务，发展到未来能够覆盖80%的科研任务，包括高水平的研究任务。通过与多家合作医疗机构的合作，赛迈科研平台在未来两三年内将展现出全新的面貌。