医学辅助科研与决策平台以深度学习、机器学习以及统计学多种技术为核心技术，支撑广泛的临床队列科研工作和临床决策的辅助工作。在数据转换层利用规则引擎技术Drools通过XML节点来规范If-Then句式和事实的定义，动态判定数据预处理规则。使用Spark大数据框架实现自动化的大批量数据的清洗、转换和预处理工作。针对海量医疗数据中的信息噪点，整合大量的临床专家知识进行筛选过滤，保留有效≡信息◤，实现临床大数据规范化、精准化、可用化。

在数据挖掘和分析层，利用大数据、知识图谱、神经网络等技◥术在医生诊疗的关键◣环节进行辅助诊断、用药方案以及疗效评估、预后效果的推送。数据底层采用≡MySQL关系型数据库和知汇自主打造的影像管理平台，通过Python语言以及Tensorflow、Pytorch等框架建立人工智能模型，批量化、动态化的产出可视化数据挖掘报表，提升临床医生的科研问题发现和解决能力。通过海量数●据挖掘产生的临床辅助决策和预测模型，例如肾小球滤过率（GFR）辅助预测模型可以帮助医生更准确地评估患者的肾功能，围术期患者术后并发症预测模型，可以帮助医生更加合理的调整患者的诊疗方〇案，降低患者围术期并发症的发生率，改善患者的预ぷ后。临床辅助决策系统可以帮助低年资医生提高≡诊疗能力，规范诊疗过程和方案，减少漏诊、误诊的↘发生。