近日，我院加星老师课题组联合哈佛大学医学院、复旦大学计算与智能创新学院、上海市数据科学重点实验室，在多模态智能医疗与数据科学领域取得重要进展。我们的最新研究成果《From data to value in multimodal learning》刊登于国际知名期刊 Patterns。作为 Cell Press 于 2020 年创办的数据科学领域旗舰刊物，Patterns 始终聚焦于生命科学与工程技术交叉前沿的创新方法，享有极高的国际声誉。此次发表标志着我们的工作在该领域获得了国际同行的高度认可。
随着医疗健康数据的快速增长，多模态学习已成为整合影像、文本、检验指标与基因组等异构数据的重要技术范式。然而，实际部署中，多模态数据在结构与语义上存在根本差异，简单汇聚不仅不会增加信息量，反而会加重解释、协调与信任的负担。
图1：从碎片化多模态医学数据到赋能医学智能的数据资产
针对上述问题，研究团队提出了“证据稳定化”框架（如图1所示）。该框架指出，多模态数据的价值并非来自模态的直接叠加，而是来自逐步转化为稳定、可复用证据的过程。当证据足够稳定时，数据便从一次性观察转变为可保存、可复用、可增值的数据资产，从而降低解释成本、支持跨情境信任。文章指出，当前的核心限制并非技术性的，而是经济性的：缺的不是更多数据，而是将数据可靠转化为证据的方法。
该成果体现了加星老师课题组在医疗数据智能方向的长期积累与原创思考，为构建可信、可复用的多模态医疗数据体系提供了新的价值评估框架，对医学数据智能应用落地具有重要指导意义。
供图人：加星