大数据的时代早就来临，利用大数据处理医疗行业存在的弊端也是我们前进的基石！
NLP问诊
DRA通过3亿医患就诊数据（Q/A）,自主研发了双向注意力机制AI模型CAMM（cross-attention mechanism model），完成了智能导医、智能导药、智能挂号、智能医助、智能熵医生诊断等系列人工智能产品。DRA实现了真正意义上的人工智能交互、问诊、确诊、治疗、推荐等智慧服务。
计算机视觉检查
在医疗领域中存在大量的实验室显微镜观察、影像学数字图片、内镜镜像、辅助心电图等二维或三维图像数据，DRA创建了“体素实验室”，利用计算机视觉对显微镜照片、活检切片、介入造影、X线平片、CT、磁共振MRI、超声等视觉数据进行建模，实现人工智能影像学诊断、实验室诊断、辅助检查诊断。DRA的医疗AI视觉能够协同医生一起工作，给出疾病的诊断预测并自动为医生提出可解释的理由，使得医生在移动问诊中大大提高了工作效率，同时也提高了医生在网站服务的黏度性（花费更少的时间获取更多的报酬）。
通用模型的迁移学习
在医疗领域中，由于公开的医疗影像图数量非常小，直接用以训练很难达到预期效果，而迁移学习很好的解决了医疗影像数据不足的问题。DRA采用了迁移学习，先在数以千万计的普通图片分类模型中训练特征编码器，再将其迁移到数据相对较少的医疗影像图中使用。如CT胸透中的高密度白色肋骨，灰黑的心脏实质器官，黑色肺部，黑色阴影肿瘤等，通过迁移模型进行编码，然后再医疗数据中进行，则能够更好的识别出医疗图像的实质器官和病灶部位。
强化学习
强化学习RL主要是机器从与环境的交互经验中学习，在医疗问诊和推荐功能上有更好的应用，DRA强化学习采用时间差分DT算法，对机器向患者提出权重问题中最后得到患者的满意的将会对该问题的提出加以激励，对患者不满意的提问给予惩罚；对于治疗方案和导药功能的优化采用同样的训练策略，这样机器不断的学习大量的案例数据，最终让机器获取了类似人的经验，使其越用越加智能化，为平台的用户提供高效的服务。
数据加密存证技术
在医疗就诊中，存在大量患者的健康档案，包括：门诊病历、急诊病历、复诊病例、检查单、住院病历、查房记录、转科记录、转院记录、抢救记录、会诊记录、麻醉记录、手术记录、出院记录等各种数据。如果在转院过程中遗失或中间记录人抄录错误，都会对治疗效果产生不同的影响。因此对个人健康档案的加密存证很重要，DRA对健康档案的数据进行哈希加密处理后，再存证在公有区块链中，任何人无法篡改，更新健康档案在医患多方签名后映射到新的区块地址即可。这样保证了健康档案的完整性，为诊断提供了可靠的数据源支持。
閱讀更多 DRA醫療區塊鏈 的文章
