跳至主要内容
朗慧科技

Solution · 朗慧医数 MedData 一体机

数据不出院,
也能拥有医疗数据工厂

朗慧医数一体机把医疗数据治理、医学影像标注和科研平台装进同一台院内设备。原始临床数据在本地完成接入、清洗与脱敏,自动进入标注平台,经 AI 预标注和专家终审,按规则生成可训练、可科研、可评测的数据集。

院内私有化部署CT / MR / PET · DICOM186 个预置标注模型标准版 / 信创版双路线
朗慧医数一体机系列:从边缘盒到机柜级设备的产品梯队
医数系列设备梯队(产品概念渲染图,以交付实物为准)
数据不出院

原始数据、脱敏数据和标注结果都留在院内。默认断外网,导出须审批、带水印、留审计。

算力不出楼

GPU 内置于一体机,预标注、训练和评测在本地完成,不依赖公有云排队。

证据不出链

每份数据集附数据卡、版本号、抽检记录和审计日志,便于复核与验收。

Why now

医院不缺数据,缺的是能用的数据

医疗 AI 与临床科研的瓶颈,往往不在算法,而在数据准备。我们把这条链路上最常见的四个卡点,逐一变成一体机里的标准能力。

01

数据拿不出来

HIS、EMR、PACS、LIS 各自为政,数据出院有合规风险,跨科室调取流程长。

接入引擎:对生产系统只读、限流、错峰接入,数据留在院内。

02

拿到了也不能用

字段不统一、缺失与异常多、隐私信息混杂,清洗工作反复做、无人沉淀。

治理引擎:可视化配置清洗与脱敏规则,保存为“治理配方”自动运行。

03

标注贵,质量不稳

依赖研究生和外包逐例勾画,口径不一、难以复核,专家时间被大量消耗。

标注平台:AI 出初稿、专家修订终审,只导出已审核数据。

04

科研用不起来

专病库建好没人维护,PI 拿数据难,长时序、多模态研究数据搭不起来。

科研工作台:按数据结构自助建队列,成果与数据一起沉淀。

One closed loop

一条生产线:从院内原始数据,到可验收的科研资产

“接入 → 治理 → 标注 → 数据集 → 科研 → 评测”六个环节运行在同一台设备、同一套权限和同一条审计链上,环节之间自动流转。

  1. CONNECT接入DICOM / HL7 / FHIR / 数据库
  2. GOVERN治理清洗 · 脱敏 · 术语标准化
  3. LABEL标注AI 预标注 · 专家终审
  4. FORGE数据集按配方生成 · 版本化
  5. LAB科研队列 · 统计 · 训练
  6. GATE评测冻结题集 · 隔离评测
1

配置即治理

数据工程师在“数据结构配置器”里选择源表与字段,映射到医数通用数据模型(CDM),配置清洗与脱敏规则,保存为治理配方。

  • 配方按计划自动运行
  • 治理完成的数据自动同步到标注平台
  • 质量评分卡与脱敏审计随批次生成
2

算力即标注

私有算力池按标注规则包自动调度预标注任务。高置信结果进入抽检,低置信结果交专家精标,难例回流用于模型迭代。

  • AI 输出为待审核草稿
  • 满足质量门禁的数据按配方批量成集
  • 可用于预训练、微调与评测
3

调用即科研

科研人员在工作台按需调用已授权数据集,用横断面、纵向队列、高频时序、事件序列、多模态配对五种数据结构搭建研究数据。

  • 专病库与队列持续更新
  • 形成“数据 → 成果 → 新需求 → 新数据”闭环
  • 研究者工作台在院内沙箱中使用数据

Device line-up

五款一体机 + 软件版,从科室到区域按需选型

全系设备运行同一套 MedData OS,按机构规模、数据量、并发和部署位置选择形态。标准版与信创版采用独立 BOM。

MedData STATION 医数中心
STATION · MDS-C

医数中心

区域 / 多中心医疗数据工厂
适合
区域医疗中心、医联体、健康医疗大数据集团、高校医学部
形态
机柜级集群,项目制方案
MedData STUDIO 医数站
STUDIO · MDS-S600 / S600X

医数站 旗舰

院级旗舰一体机
适合
研究型三甲医院、医学院附属医院
形态
标准版 / 信创版双路线,塔式与机架两用
MedData LAB 医数舱
LAB · MDS-L200

医数舱

科室 / 专病一体机
适合
影像、重症、神经、肿瘤等重点学科;高校课题组
形态
机房或科室侧立式静音机型
MedData DESK 医数台
DESK · MDS-D50

医数台

研究者安全科研工作站
适合
PI、课题组、研究生、医疗 AI 算法工程师
形态
桌面设备,与 STUDIO / LAB 配对;不存原始数据
MedData EDGE 医数盒
EDGE · MDS-E10

医数盒

前置采集与脱敏网关
适合
分院、基层医院、专病联盟成员单位
形态
无风扇边缘盒;本地脱敏后增量上送
院级与多中心全院数据底座、多专病库选 STUDIO;跨院区、多中心与区域平台选 STATION + EDGE。
科室与课题组单科室、单病种、先做一个高质量数据集选 LAB;PI 与研究生在院内安全用数选 DESK。
已有私有云 / GPU 集群选 MedData OS Cloud 软件订阅,部署在客户私有云或信创云,与一体机同一套软件。

图片为产品概念渲染图。具体配置、算力与存储规格按项目核定,以合同技术附件为准。GPU 数量不等同于数据产出速度,交付效率还取决于接口开放度、专家排期与标注规则。

MedData OS

一套操作系统,八大引擎:设备承载算力,系统沉淀数据资产

MedData OS 医数操作系统覆盖数据生产全链路,并以三类能力包(专病包、规则包、模型包)把专家经验产品化,做到开箱可用、按需扩展。

CONNECT

接入引擎

解决:数据拿不出来

DICOMweb、DICOM C-FIND/C-MOVE、HL7 v2、FHIR R4、JDBC/ODBC、CDC 增量;全量、增量与定时同步,对生产系统只读。

GOVERN

治理引擎

解决:拿到了不能用

数据结构配置器、DICOM 去标识、文本隐私识别、日期偏移、术语标准化(ICD、SNOMED CT、LOINC 等)、质量六维评分与数据血缘。

ATLAS

资产引擎

解决:数据散、找不到

资产目录、患者时间轴、专病库(纳排规则、CRF 字段、随访节点)、标签体系与元数据检索。

LABEL

标注平台

解决:标注贵、质量不稳

即朗慧医疗标注平台:186 个预置模型出初稿,专家修订与单盲/多盲审核,状态机全程可追溯。

FORGE

数据集工厂

解决:数据集不是“产品”

数据集配方 = 队列 + 标签 + 切分 + 格式;防泄漏分层切分,版本、校验和与数据卡自动生成。

LAB

科研工作台

解决:科研人员用不起来

拖拽式队列构建、五种数据结构视图、基线表与生存分析、Notebook、低代码训练与实验跟踪。

GATE

评测引擎

解决:模型在本院数据上是否有效

冻结题集、隔离评测、分层指标与失败分桶;企业模型进院评测,数据不出院。医标榜即运行于此。

COMPUTE & SHIELD

算力与安全底座

解决:算力分散、合规焦虑

GPU 池化与配额、按课题计量;RBAC/ABAC、三权分立、导出审批、水印、全链路审计、国密算法支持。

医数助手 Copilot

院内本地部署的医学大模型智能体:用自然语言写治理规则、建研究队列、起草标注规范和数据卡。所有输出可追溯到规则与数据,经人工确认后生效。

数据结构配置器界面示意
治理 · 数据结构配置器与质量评分卡
标注平台 AI 预标注与专家修订界面示意
标注 · AI 预标注草稿与专家修订
科研工作台纵向队列构建界面示意
科研 · 纵向队列构建与生存分析

界面为设计示意,具体功能以交付版本为准。

三个软件版本,按阶段推进

版本定位包含能力典型搭配
基础版 Essential先把数据治理好、标注起来接入 + 治理 + 资产(基础)+ 标注平台 + 安全底座LAB / EDGE
专业版 Professional数据集工厂与专病科研闭环基础版 + 数据集工厂 + 科研工作台 + 专病库 + 3 个专病包LAB / STUDIO
旗舰版 Enterprise全院 / 多中心数据工厂专业版 + 私有评测 + 医数助手 + 多中心 / 联邦 + 可信数据空间连接器STUDIO / STATION

专病包 Disease Pack

一个专病的纳排规则、CRF 字段、标注规范、预标注模型、数据集配方与统计模板。首批规划覆盖肺结节/肺癌、脑卒中、肝癌、乳腺癌、甲状腺结节等方向。

规则包 Rule Pack

主流 HIS / EMR / LIS / PACS 字段映射模板、脱敏策略模板、质量规则库,以及分割、检测、分类等标注规范模板。

模型包 Model Pack

器官与病灶分割预标注模型、医学影像与医学语言基础模型适配。可替换、可微调,模型留存在院内。

Built-in · 朗慧医疗标注平台

一体机内置朗慧医疗标注平台:从 AI 初稿到专家终审

治理完成的影像自动进入标注队列。DICOM 入库、AI 自动标注、人工修订、单盲/多盲审核与版本化导出运行在同一条状态机上。

186预置 AI 自动标注模型186 为模型数,并非病种数
176 / 10器官与结构 / 病灶类肺结节、肝肿瘤、胃癌、乳腺癌等
10+专业勾画工具像素级修订与 MPR 三维验证
三级质控审核单盲 / 多盲交叉可配置

186 个预置模型的模态构成

按官网模型清单统计。平台支持 CT / MR / PET · DICOM;US、MG 清单条目需按项目评估。

CT128
MR56
US(按项目评估)1
MG(按项目评估)1

病灶类 10 个:肺结节、肺炎、肝肿瘤、胰腺肿块、结肠癌、胃癌、乳腺癌、左/右肾囊肿等。完整名称见 模型索引。

四步流程,只导出已审核数据

01影像入库

DICOM 自动识别,对接 PACS,上传即脱敏

02AI 预标注

批量推理,按结构点名,输出 Mask / Contour 草稿

03修订与盲审

像素级修订、MPR、PET-CT 融合;单盲/多盲

04版本化导出

DICOM、DICOM-SEG、NIfTI、NRRD、Excel

待标注→已标注→未审核→已审核→ 导出

草稿与终稿分开存储;失败样本回写精标,不覆盖已冻结批次。

AI 输出为待审核草稿模型结果只是初稿,须经专家修订与审核;预标注不能代替诊断,金标准来自终审。
科研边界清楚个人研究与合作研究分开;影像可共享、勾画默认隔离;出入组留痕,Patient / Study / VOI 关联临床变量。
标准平台不覆盖的范围内镜视频、病理全切片(WSI)与病历 NLP 不在标准标注平台内;病理全切片按项目定制模块评估。

查看标注平台详情与 186 个模型清单 →

MedLabel-Bench · 朗慧医标榜

医标榜:衡量 AI 能不能替专家干标注的活

公开榜单多考问答与报告生成,回答不了“模型能否完成像素级、三维、多序列的肿瘤标注”。医标榜用临床专家金标准评测标注能力:不比谁会聊天,比谁能画准、找全、标对。榜单评测运行于 MedData OS 的评测引擎,医院可在一体机上运行院内版医标榜。

3 类

影像模态:CT、MRI、X 线(DR 胸片、乳腺钼靶、骨关节平片)

15 个

癌种 / 部位,覆盖头颈与神经、胸部、腹部、盆腔、骨骼肌肉

24 条

“癌种 × 模态”子赛道,按样本量加权合成总分

五类评测任务(百分制,权重合计 100)

T1
病灶检出找全病灶、少误报 · 病灶级敏感度、FROC
20 分
T2
病灶分割轮廓画得准 · Dice、HD95(三维体素)
30 分
T3
良恶性与癌种判别标签标得对 · AUC、宏平均 F1
20 分
T4
影像征象与分期属性结构化属性 · 字段级准确率、加权 Kappa
20 分
T5
标注可用性专家用着省不省事 · 采纳率、修改量、耗时
10 分
医标榜 V1 覆盖 15 个癌种与 3 类模态的人体示意图
医标榜 V1 覆盖范围示意:15 个癌种 × CT / MRI / X 线

医标榜 V1 · 标准赛道 · 参评模型与成绩

首期成绩复核中
参评模型机构参评版本发布时间综合得分95% 置信区间
LumeLabel 医标模型 主办方模型LUMESAGE 朗慧V12026-11公示中—
GPT-6.2 AstraOpenAIgpt-6.2-astra2026-11-17公示中—
Claude Fable 5.2AnthropicClaude Fable 5.22026-11-09公示中—
Gemini 4 CarbonGoogleGemini 4 Carbon2026-11公示中—
医标榜 V1 · 24 个子赛道 · T1–T5 加权总分(百分制)· 95% 置信区间本榜单动态更新:新模型发布后滚动加测 · 更新于

参评版本为各家截至评测日的当期最强公开版本。主办方模型单独标注,与第三方模型使用同一协议、同一题集、同一时间评测;结果经学术委员会复核后公示,差异不显著的名次并列。境外闭源模型仅在已获授权可外部调用的评测子集上通过 API 评测,院内私有数据不出境。国产通用与医学大模型、开源医学影像基线(nnU-Net、MedSAM 类)于第二期纳入。

LumeLabel 为什么专门做标注

三维分割/检测骨干 + 多序列 MRI 融合 + 结构化属性头 + 面向工作流的置信度输出,在合规授权的多中心数据与专病包规则上做领域微调,并持续用专家复核结果主动学习。

差距来自任务性质

通用多模态大模型擅长“看图说话”;标注任务需要三维体数据处理、像素级轮廓、多序列配准与稳定的结构化输出,检出与分割两项合计占 50% 权重。通用模型在判别与属性的文本推理部分仍有竞争力。

公信力机制

学术委员会负责题集保管与结果复核;评测代码、评分脚本、提示词与输出协议公开,结果可复算;测试集冻结、每期轮换 20% 题目并做训练集重叠检查;每半年一期。

申请模型参评 / 院内版医标榜 →

Scenario solutions

九个场景方案:按客户类型,把设备、软件与服务打包

每个方案统一按“客户画像 → 痛点 → 方案组成 → 业务流程 → 交付物 → 交付周期”组织,首单从一个专病或一个数据集开始。

S1 · 医疗机构

研究型医院专病科研一体机

专病库建了没人维护,PI 拿数据难,成果沉淀不下来。

推荐:STUDIO + 专业版 / 旗舰版 + 专病包 + DESK

S2 · 医疗机构

医学影像高质量数据集一体机

影像量大但不能直接训练,标注靠研究生,口径不一。

推荐:LAB / STUDIO + 标注平台 186 个预置模型 + 影像模型包

S3 · 医疗机构

数字病理数据一体机

病理全切片单张数 GB,存储与标注难度高。

推荐:LAB(大容量存储)+ WSI 定制模块(项目制,不属于标准标注平台)

S4 · 医疗机构

重症与长时序数据一体机

ICU 波形与随访数据分散,长时序研究搭不起来。

推荐:LAB + 高频时序 / 纵向队列结构模板(按项目接入治理)

S5 · 区域 / 集团

区域多中心专病网络方案

多中心数据标准不一,又不能集中汇聚。

推荐:STATION + EDGE × N + 旗舰版 + 联邦学习

S6 · 科研院所 / 大学

医学院科研数据与教学一体机

算法团队缺合规临床数据,教学缺真实数据实训环境。

推荐:STUDIO + DESK × N(教学实训)

S7 · 医疗 AI 企业

院企共建数据工厂与私有评测一体机

企业要数据、医院不能给;注册检验需要高质量测试集。

推荐:LAB / STUDIO(部署于合作医院)+ 评测引擎

S8 · 医疗大模型企业 / 医院

医疗大模型语料与指令数据一体机

缺少高质量中文临床语料、指令与偏好数据。

推荐:STUDIO + 语料工厂模块

S9 · 药企 / CRO

真实世界研究(RWS)一体机

回顾性队列构建慢,数据可溯源性不足。

推荐:LAB / STUDIO + OMOP 映射 + 统计模板

Delivery & compliance

从两周 PoC 开始,按节点验收

先用一个任务验证数据能否在院内跑通,再扩展到专病包、院级底座和多中心网络。交付周期的前提是授权与伦理完成、接口开放、专家可排期。

第 1–2 周院内 PoC

入库、试标、盲审、导出跑通一个小样本任务,确认部署与网络边界、脱敏规则。

第 6–8 周首个专病包试点上线

治理配方、标注规范、数据集配方与科研模板在真实数据上运行。

第 12 周正式验收

按任务书约定的验收指标逐项核对,交付数据卡、质控报告与审计记录。

持续运营扩展与迭代

单科室专病包 → 院级数据底座 → 多中心专病网络 → 数据产品与运营。

验收看什么

  • 同步成功率与样本一致性
  • 直接标识去除抽检
  • 术语映射覆盖率
  • 预标注采纳率与抽检比例
  • 标注一致性(Kappa / Dice)
  • 数据集可复算、切分无泄漏
  • 数据卡必填字段完整
  • 评测报告可复算

具体指标阈值以双方签署的任务书为准。

安全与合规边界

  • 上传即脱敏、成员权限隔离、全链路审计;表述对齐《数据安全法》《个人信息保护法》
  • 等级保护、商用密码与信创适配按项目推进,以实际测评结果为准
  • YY/T 1833.3 仅作过程对照参考,不构成认证声明;不宣称 HIPAA 认证
  • 不做 HIS / EMR / PACS 核心业务系统,不承诺诊断准确率,不对外提供未授权数据

FAQ

常见问题

一体机和单独采购标注平台有什么区别?

标注平台解决“标得准、审得清”。一体机在此之前补上数据接入与治理,在此之后补上数据集工厂、科研工作台与评测引擎,并内置 GPU 算力与安全底座,让整条链路在院内同一台设备上自动流转。

186 个模型是 186 个病种吗?

不是。186 是预置 AI 自动标注模型的数量,不是病种数,也不是可立即交付的病例库存。其中器官与结构 176 个、病灶类 10 个;按清单模态为 CT 128、MR 56、US 1、MG 1。

支持哪些影像模态?病理和内镜可以吗?

标准标注平台支持 CT / MR / PET 等多模态 DICOM,US、MG 清单条目需按项目评估,非 DICOM 不入库。内镜视频、病理全切片和病历 NLP 不在标准标注平台范围内,病理全切片可按项目评估定制模块。

AI 预标注的结果可以直接用吗?

不可以。AI 输出为待审核草稿(Mask / Contour),须经专家修订与单盲/多盲审核,只有已审核数据才能导出进训练集或课题分析。预标注不能代替诊断。

数据真的不出院吗?

一体机部署在院内机房或科室,默认断外网。原始数据、脱敏数据与标注结果均留在院内;数据导出须审批、带水印并全程审计。研究者工作台只获取已审批数据集的加密副本。

医标榜的成绩在哪里看?会更新吗?

医标榜成绩在本页“医标榜”板块公示,经学术委员会复核后发布。榜单动态更新:主流模型发布新版本后滚动加测,每半年发布一期完整报告。

是否支持国产化(信创)?

支持。院级旗舰 STUDIO 提供信创版(MDS-S600X),适配国产 CPU、AI 加速卡、操作系统与数据库,与标准版独立 BOM、参数不混用,具体适配清单按项目确认。

如何开始?

建议从两周院内 PoC 开始:选一个具体任务,跑通入库、试标、盲审与导出。点击页面中的“申请院内两周 PoC”,或直接致电 137-5502-0164、发邮件至 lk@langhuiai.com。

让每一家医院,都拥有自己的医疗数据工厂

从院内原始数据,到可验收的科研资产。