一种基于低代码编程的医学人工智能推理方法及系统

1.该发明涉及低代码开发技术领域和人工智能技术领域，特别是面向医学人工智能推理计算的低代码编程技术。


背景技术：

2.在医学研究中，人工智能技术正在得到更广泛的关注，其研究探索逐渐覆盖医学领域的各个方面。其中，主要研究之一是针对医学基础数据，如病历、文本、测序数据、影像数据等，结合人工智能的专用模型，实施推理计算，以实现对医疗工作的辅助支持，提高医学工作效率。例如，在癌症研究中，医生及研究人员通过对医学影像数据进行建模分析，可精准地对癌症的症状、病情的走向等开展预测；在眼科疾病研究中，医生及研究人员基于眼底图像进行人工智能辅助研究，有助于实现对眼底疾病针对的自动化，提高研判准确性；基于病历数据，建立精准医疗的人工智能模型，有助于降低精准医疗成本，对多种疾病的前期干预等都有着积极作用。
3.随着这些单模态、多模态人工智能模型的发展和成熟，人工智能模型的推理使用方式逐渐成为影响其可用性、易用性的重要方面。由于人工智能模型普遍的迭代更新的特点，在编程中应用相关模型进行推理是实现对人工智能模型进行灵活应用的最佳方式，有助于模型被按需应用于各类需求的场景中。
4.目前，人工智能模型的推理计算主要需要通过计算机领域的传统编程方法进行。对于以医生等为主体的医学工作人员而言，诸如python、r、spss等传统编程语言、工具平台在其工作中虽然有一定程度的应用，但普遍难以被医学人员较好掌握。人工智能模型的应用又具备其专业知识背景，相关专业知识的门槛导致医学人员难以较好地实施人工智能推理计算的编程。医学工作人员在利用现有编程技术实现人工智能推理计算时面临编程方法难掌握、编程工具门槛高、医学领域支持差等问题。
5.在编程方法方面，医生往往不具备专业的编程训练经历或教育背景，尤其在面对科研成果的高竞争产出压力下，其编程过程专注于核心科研业务的实现，并寄希望于敏捷、快速实现科研计算。传统编程语言的抽象层次较低，医学科研业务的敏捷开发需要编程框架实现业务级的抽象表达。在医学科研服务中提供“人人可编程”的“代码即服务”需求迫切。
6.在编程工具方面，当前编程工具对于实现医学科研编程所需的知识储备、实现能力都有较高要求。这严重制约了医学科研服务的实用性，且计算环境的复杂性也使得程序的运行难以实施。以传统ide为媒介的编程工具使用方式复杂，需要长期的训练学习，虽然衍生出诸如jupytor notebook等新式ide，这仍然需要应用者掌握python等编程语言的语法知识，理解程序运行的方法。人工智能推理计算往往还需要借助云计算等新型计算环境、gpu等异构计算设备，这也使得普通医学工作人员难以开展灵活高效的人工智能技术编程应用。


技术实现要素：

7.针对医学科研人员在应用人工智能推理计算时编程方法难、工具利用难的问题，本发明通过医学ai推理低代码编程模板，可屏蔽专业编程的底层细节，以适用于医学领域的模式支持高效编程；本发明通过面向医学ai推理低代码编程的网络web前端渲染，提供医学ai推理低代码编程的图形化呈现，支持动态实时地展示编程内容、编程结果，计算状态等；本发明通过医学ai推理低代码编程云端计算引擎，支持低代码程序的转换及在云端的执行，并对多种云端计算环境的对接；本发明在前几项技术的基础上，构建了医学ai推理低代码编程系统，实现对医学科研人员实施ai推理计算的全生命周期的图形化工具支持。
8.针对现有技术的不足，本发明提出一种基于低代码编程的医学人工智能推理方法，其中包括：
9.步骤1、获取多个医学人工智能模型以及多个待推理的数据集；
10.步骤2、根据人工智能模型的计算内容以及应用方法，定义低代码编程模板，根据该低代码编程模板，将医学人工智能模型转换为低代码模型；
11.步骤3、按照可视化界面内的提示，从所有低代码模型和所有数据集中选定待执行模型和待执行数据集，通过在该可视化界面中拖拽组合该待执行模型和该待执行数据集，并为该待执行模型的参数进行赋值，生成医学ai推理计算任务；
12.步骤4、根据该推理任务所需的计算环境，构建云端计算引擎，以在接入的云端上执行该医学ai推理计算任务，得到执行结果。
13.所述的基于低代码编程的医学人工智能推理方法，其中该可视化界面包括包括医学计算场景组件、医学ai模型池组件、医学ai数据池组件、医学ai低代码拖拽组件、医学ai模型模板组件；各组件通过协作对低代码编程的图形化的web展示和操作；
14.其中，该医学计算场景组件提供对医学计算场景的接入；该医学ai模型池组件可将所有该低代码模型予以展示，支持将该低代码模型以拖拽方式添加至该医学ai低代码拖拽组件的操作面板的模型槽中；该医学ai数据池组件将所有待推理的数据集予以展现，支持将数据集以拖拽方式添加至该医学ai低代码拖拽组件的操作面板的模型输入槽中，并与该模型槽中模型的输入进行绑定；该医学ai低代码拖拽组件由拖拽操作面板构成，支持其他组件的内容拖拽至该操作面板，以编辑模式实现编程操作；该医学ai模型模板组件用于展示当前所选中模型的模板信息。
15.所述的基于低代码编程的医学人工智能推理方法，其中步骤3包括：
16.选定该待执行模型后，在该可视化界面内加载模型的图形化模板，对该图形化模板所指定参数进行拖拽编辑，对编辑合法性进行校验，并实时渲染修改可视化效果。
17.所述的基于低代码编程的医学人工智能推理方法，其中该步骤4包括：
18.对该医学ai推理计算任务的实例化运算进行解释并执行其调用脚本，并将计算交付给云端计算引擎；
19.该云端计算引擎包括计算任务管理模块、云端算力接入模块；计算任务管理模块和云端算力接入模块通过交互实现计算任务和算力管理的封装；计算任务管理模块将该医学ai推理计算任务进行实例化管理，包括计算任务的状态及控制；云端算力接入模块用于适配统一云端算力，将该医学ai推理计算任务实例化后的ai推理计算分发至相应的计算环境中执行。
20.本发明还提出了一种基于低代码编程的医学人工智能推理系统，其中包括：
21.初始模块，用于获取多个医学人工智能模型以及多个待推理的数据集；
22.转换模块，用于根据人工智能模型的计算内容以及应用方法，定义低代码编程模板，根据该低代码编程模板，将医学人工智能模型转换为低代码模型；
23.可视化模块，用于按照可视化界面内的提示，从所有低代码模型和所有数据集中选定待执行模型和待执行数据集，通过在该可视化界面中拖拽组合该待执行模型和该待执行数据集，并为该待执行模型的参数进行赋值，生成医学ai推理计算任务；
24.执行模块，用于根据该推理任务所需的计算环境，构建云端计算引擎，以在接入的云端上执行该医学ai推理计算任务，得到执行结果。
25.所述的基于低代码编程的医学人工智能推理系统，其中该可视化界面包括包括医学计算场景组件、医学ai模型池组件、医学ai数据池组件、医学ai低代码拖拽组件、医学ai模型模板组件；各组件通过协作对低代码编程的图形化的web展示和操作；
26.其中，该医学计算场景组件提供对医学计算场景的接入；该医学ai模型池组件可将所有该低代码模型予以展示，支持将该低代码模型以拖拽方式添加至该医学ai低代码拖拽组件的操作面板的模型槽中；该医学ai数据池组件将所有待推理的数据集予以展现，支持将数据集以拖拽方式添加至该医学ai低代码拖拽组件的操作面板的模型输入槽中，并与该模型槽中模型的输入进行绑定；该医学ai低代码拖拽组件由拖拽操作面板构成，支持其他组件的内容拖拽至该操作面板，以编辑模式实现编程操作；该医学ai模型模板组件用于展示当前所选中模型的模板信息。
27.所述的基于低代码编程的医学人工智能推理系统，其中该可视化模块，用于选定该待执行模型后，在该可视化界面内加载模型的图形化模板，对该图形化模板所指定参数进行拖拽编辑，对编辑合法性进行校验，并实时渲染修改可视化效果。
28.所述的基于低代码编程的医学人工智能推理系统，其中该执行模块，用于对该医学ai推理计算任务的实例化运算进行解释并执行其调用脚本，并将计算交付给云端计算引擎；
29.该云端计算引擎包括计算任务管理模块、云端算力接入模块；计算任务管理模块和云端算力接入模块通过交互实现计算任务和算力管理的封装；计算任务管理模块将该医学ai推理计算任务进行实例化管理，包括计算任务的状态及控制；云端算力接入模块用于适配统一云端算力，将该医学ai推理计算任务实例化后的ai推理计算分发至相应的计算环境中执行。
30.本发明还提出了一种存储介质，用于存储执行所述任意一种基于低代码编程的医学人工智能推理方法的程序。
31.本发明还提出了一种客户端，用于所述任意一种基于低代码编程的医学人工智能推理系统。
32.由以上方案可知，本发明的优点在于：发明可支持医学科研人员根据低代码编程模块，通过拖拽方式快速构建所需的推理计算程序，并支持相应程序在所需的计算环境下执行计算，同时计算过程中计算状态可实时反馈给科研人员；发明还可支持模型的提供者根据低代码编程模块快速将模型进行封装，融入平台提供服务。图1展示了本发明的一种交互界面，可见其提供了可拖拽的、图形化的简明的医学ai推理编程方式。
附图说明
33.图1为本发明ai推理低代码编程页面示例图；
34.图2为医学ai推理低代码编程系统层次结构图；
35.图3为本发明实施方法结构图；
36.图4为本发明构建ai模型推理任务流程图。
具体实施方式
37.为了解决医学领域非计算机专业人员基于人工智能模型开展推理编程困难的问题，本发明针对专业编程方法高度复杂的问题，结合医学人工智能模型的特点，结合低代码编程技术提出了一种医学ai推理低代码编程模板，可支撑医学人员在无需理解计算机领域编程知识的前提下，实现高层次的通用的ai推理编程；发明人针对专业编程工具复杂的问题，结合医学ai推理低代码编程模板，提出一种医学ai推理低代码编程系统，系统采用web系统架构，在web前端的建设中设计一种面向医学ai推理低代码编程的web前端渲染，可实现对ai推理低代码编程模板及编程的可视化呈现，在后端系统的建设中提出一种医学ai推理低代码编程云端计算引擎技术，可支持ai推理程序在云端的技术处理，该系统可支持医学科研人员开展简单、图形化的编程、计算、任务管理、模型池、数据池资源的复用及接入管理等，实现高效的图形化编程。
38.具体来说，本技术包括以下关键技术点：
39.关键点1：医学ai推理低代码编程模板
40.医学ai推理低代码编程模板是对可实现低代码编程的人工智能模型的高级抽象定义，在构建医学ai推理编程平台时，平台的维护者或平台中人工智能模型的提供者可以根据模板的定义方式，高效将可运行的人工智能模型转换为平台中可编程的算子，该算子支持算子的编程者(如医生)以低代码或无代码的方式构建推理程序，无需关心算子的实现机制、调用机制、来源，可根据算子信息提示，实现对算子输入的配置，并获取算子的输出结果。
41.医学ai推理低代码模型包括一组元数据信息，例如下表1中字段，可将ai模型封装为一个标准算子，使得ai模型可以算子单元的形式在编程中使用；使用时，由编程者配置算子实例化的输入信息，在算子实例执行完毕后，可获取算子实例输出。模板的定义如表1所示，其中不同字段由不同角色的人员定义。
42.表1医学ai推理低代码编程模板描述
43.[0044][0045]
技术效果：支持人工智能模型以算子形式定义、复用，实现模型提供方和推理使用方的低代码高效协同。
[0046]
关键点2：面向医学ai推理低代码编程的web前端渲染
[0047]
面向医学ai推理低代码编程的web前端渲染包括多个支撑医学场景编程的前端组件，包括医学计算场景组件、医学ai模型池组件、医学ai数据池组件、医学ai低代码拖拽组件、医学ai模型模板组件等。各组件通过协作实现对医学ai推理低代码编程的图形化的web展示、操作。
[0048]
各组件协同支持医学ai拖拽式编程的实现。其中，医学计算场景组件提供对医学计算场景的接入，与ai低代码编程模板中的“模型场景标签”相对应，组件提供场景切换，其他各组件可随场景切换协同切换内容；医学ai模型池组件可将平台中的可用ai模型予以展示，支持将模型池中组件以拖拽方式添加至医学ai低代码拖拽组件的操作面板的模型槽中；医学ai数据池组件可将平台中的可用数据集予以展现，支持数据池中组件以拖拽方式添加至医学ai低代码拖拽组件的操作面板的模型输入槽中，并与面板中的模型输入进行绑定；医学ai低代码拖拽组件主要由拖拽操作面板构成，可支持其他组件的内容拖拽至操作面板中，以编辑模式实现编程操作；医学ai模型模板组件可展示当前所选中模型的模板信息。
[0049]
其中，医学ai拖拽式编程前端的具体操作上，可支持：拖拽选定特定ai模型后，在面板上加载模型的图形化模板，支持对模板所指定模型、相应输入参数等进行拖拽编辑，编辑动作发生后，前端对操作合法性进行校验，并实时渲染修改可视化效果。在此基础上，所编辑的模型可被实例化为计算任务，由前端提交至后端运行，其运行结果可实时可视化地
展示于拖拽组件面板中，形成从编程到结果查看的可视化渲染流程闭环。
[0050]
技术效果：支持以低代码或无代码拖拽的形式实现ai推理的编程配置、任务生成、结果查看，支持了低门槛、简明可视化的编程操作。
[0051]
关键点3：医学ai推理低代码编程云端计算引擎
[0052]
医学ai推理低代码编程云端计算引擎是医学ai推理低代码编程后端服务的组成部分之一，其可支持所形成的医学ai推理计算任务在接入的云端上执行，包括物理机、虚拟机、容器、无服务器计算等各类计算环境。该引擎包括计算任务管理模块、云端算力接入模块两部分。计算任务管理模块和云端算力接入模块通过交互实现计算任务和算力管理的封装。计算任务管理模块将前端提交的医学ai推理计算任务在后端进行实例化管理，包括计算任务的状态及控制等。云端算力接入模块支持对多种不同类型云端算力的统一适配，根据ai推理低代码编程模板的定义，其实例化的ai推理计算可经算力接入模块将计算分发至相应的计算环境中执行。
[0053]
技术效果：支持医学ai推理低代码模板形成的程序实现任务化的管理，并在多种云端计算引擎上执行。
[0054]
关键点4：医学ai推理低代码编程系统
[0055]
面对ai模型推理的业务需求和计算环境的复杂性，以及编程模型中各复杂因素的高效抽象表达，提高用户的可编程性及友好交互，医学ai推理低代码编程系统可支持医学科研人员基于ai模型实现高效的多场景的低代码可视化编程，而无需关心除业务外的编程工作，以及代码运行管理工作。
[0056]
该系统以web形式架构，在web前端中应用面向医学ai推理低代码编程的web前端渲染，在后端中应用医学ai推理低代码编程云端计算引擎，包括医学科研的必要业务管理模块。
[0057]
该系统支持医学人员利用已有数据集进行ai模型的推理，具体通过拖拽方式，将用户所需的ai模型和数据集及参数按画板边框内的提示，拖拽到指定位置中生成推理任务，发送运行请求到后端服务器，经过服务器对应ai模型的处理和高速计算，返回结果数据给前端渲染呈现，同时响应于结果文档的预览和下载。
[0058]
(1)建立ai模型池，所述ai模型池中包含有若干成熟ai模型或用户新建模型；
[0059]
(2)建立数据池，所述数据池中包含有若干待推理的数据集；
[0060]
(3)提供可视化拖拽式界面层，对已构建的ai模型池和数据池挑选推理任务所选模型和数据集，该模型或数据集响应显示详细信息，于可视化界面层中将所需的ai模型和数据集及参数按照画板边框内的提示，拖拽到指定位置中生成推理任务；
[0061]
(4)待生成推理任务后，通过后端运行模型进行数据集的处理，最后将结果返回到可视化界面层渲染显示，并支持结果文档的预览和下载。
[0062]
技术效果：降低用户使用ai模型做推理任务的复杂性，提高用户的可编程性和交互的简单便捷，同时页面美观，操作友好。
[0063]
医学人工智能低代码编程系统如图2所示，形成包括web显示层、后端服务层及计算环境3层架构。系统的建设实施可从5个方面开展，按照如图3所示流程，包括：
[0064]
(1)ai推理低代码编程模板构建。为医学人工智能低代码编程系统构建ai推理低代码编程模板，定义根据模板实现低代码计算的内容，不同角色对模板的应用方法。
[0065]
(2)医学ai推理低代码编程web前端构建。构建进行低代码ai推理的web前端界面。
[0066]
(3)医学ai推理低代码编程后端服务构建。针对医学ai推理计算构建后端相关的服务及服务模块。
[0067]
(4)云端计算环境接入。根据需要在系统中接入包括本地物理机、云端虚拟机、容器、无服务器计算等计算环境。
[0068]
(5)医学ai模型池及数据池接入。在系统中接入系统外部的可用的ai模型池及数据池等。
[0069]
具体实施方法如下：
[0070]
(1)ai推理低代码编程模板构建
[0071]
医学ai推理低代码编程模板是对可实现低代码编程的人工智能模型的高级抽象定义。在构建医学ai推理编程平台时，平台的维护者或平台中人工智能模型的提供者可以根据模板的定义方式，高效将可运行的人工智能模型转换为平台中可编程的算子，该算子支持算子的使用者(如医生)以低代码或无代码的方式构建推理程序，无需关心算子的实现机制、调用机制、来源，可根据算子信息提示，实现对算子输入的配置，并获取算子的输出结果。
[0072]
医学ai推理低代码模型包括一组元数据信息，可将ai模型封装为一个标准算子，使得ai模型可以算子单元的形式在编程中使用；使用时，由编程者配置算子实例化的输入信息，在算子实例执行完毕后，可获取算子实例输出。模板的定义如表1所示，其中不同字段由不同角色的人员定义。
[0073]
根据医学ai计算发展的特点，ai推理模型常常由专业人员构建，并提供给医学科研人员使用。利用这一特点，本发明以ai推理低代码编程模板实现医学ai推理模型的使用方转换及复用。ai推理低代码编程模板的构建包括数字化定义、模板生成定义、模板编程、模板实例化运行等操作。
[0074]
步骤1：基于医学ai推理低代码编程模板的基本数据格式进行数字化定义。可以信息标记语言为媒介，对表1中所示的医学ai推理低代码编程模板进行定义，形成xml、json、yaml等格式的定义文件，用来组织信息。该类文件既具备良好的可读性，也可由计算系统进行高效解析。
[0075]
步骤2：构建基于医学ai推理低代码编程模板的生成工具。医学ai模型的贡献者可利用该工具或模式将其所贡献的医学ai模型转换为可供他人复用的模板。在模板生成定义中，需根据模板基本数据格式对其中的模型名称、模型场景标签、模型信息、模型样例、模型输入配置模板、模型定义参数模板、模型输出配置模板、模型调用脚本等字段进行声明，其中模型名称、模型输入配置模板、模型调用脚本等字段为必须设置的基本字段，其他字段可根据模型的使用方式在未来的使用中逐步完善。
[0076]
步骤3：提供ai模板的编程操作。医学ai推理模板可被建模为参数个数不确定的运算符，其参数个数根据步骤2中模板的生成定义而决定，其编程操作为应用该运算符的过程。医学科研人员对模板中模型输入参数、模型定义参数中的各个参数进行赋值，即可完成编程操作，系统将其解释为一个可计算的运算符。
[0077]
步骤4：ai模板实例化运行。根据步骤3中对ai模型的编程所形成的可计算运算符，系统可启动模板的实例化运行，系统对模板运算符的合法性进行校验，校验无误后，即可启
动解释执行。
[0078]
(2)医学ai推理低代码编程web前端构建
[0079]
医学ai推理低代码编程的web前端包括相关web前端界面及组件等。其中，面向医学ai推理低代码编程的web前端渲染包括多个支撑医学场景编程的前端组件，包括医学计算场景组件、医学ai模型池组件、医学ai数据池组件、医学ai低代码拖拽组件、医学ai模型模板组件等。各组件通过协作实现对医学ai推理低代码编程的图形化的web展示、操作。
[0080]
各组件协同支持医学ai拖拽式编程的实现。其中，医学计算场景组件提供对医学计算场景的接入，与ai低代码编程模板中的“模型场景标签”相对应，组件提供场景切换，其他各组件可随场景切换协同切换内容；医学ai模型池组件可将平台中的可用ai模型予以展示，支持将模型池中组件以拖拽方式添加至医学ai低代码拖拽组件的操作面板的模型槽中；医学ai数据池组件可将平台中的可用数据集予以展现，支持数据池中组件以拖拽方式添加至医学ai低代码拖拽组件的操作面板的模型输入槽中，并与面板中的模型输入进行绑定；医学ai低代码拖拽组件主要由拖拽操作面板构成，可支持其他组件的内容拖拽至操作面板中，以编辑模式实现编程操作；医学ai模型模板组件可展示当前所选中模型的模板信息。
[0081]
针对医学ai推理低代码编程web前端实现，具体包括如下步骤：
[0082]
步骤1：前端服务器配置。根据web前端界面运行管理的需求，在系统中配置前端服务器，如nginx，使得外部用户可通过浏览器访问静态页面。这里，可通过vue proxy nginx反向代理方法，实现医学ai推理低代码编程web页面的跨域访问。
[0083]
步骤2：前端渲染页面及核心组件开发。
[0084]
前端界面可采用标准化的前端研发技术实现，如基于vue、css、javascript等技术。若基于vue构建页面，可通过《template》《/template》编写页面代码，在其中引入element-ui相关组件实现功能页面的开发；在《script》《/script》中采用js语言编写页面交互逻辑；在《style》《/style》中采用css语言为所述页面框架设计样式。针对医学ai推理低代码编程的核心前端组件，可基于类似方法进行定义。
[0085]
尤其针对涉及拖拽操作的医学ai模型池组件、医学ai数据池组件、医学ai低代码拖拽组件，需要重点实现组件间的数据传递，以支持组件交互协作。其中，医学ai低代码编程前端的具体操作上，可支持：拖拽选定特定ai模型后，在面板上加载模型的图形化模板，支持对模板所指定模型、相应输入参数等进行拖拽编辑，编辑动作发生后，前端对操作合法性进行校验，并实时渲染修改可视化效果。在此基础上，所编辑的模型可被实例化为计算任务，由前端提交至后端运行，其运行结果可实时可视化地展示于拖拽组件面板中，形成从编程到结果查看的可视化渲染流程闭环。
[0086]
步骤3：添加路由规则。通过设置页面路由router,实现根据不同用户事件访问不同页面内容，即前端路由，定义前端访问路由地址，用户可通过该路由地址访问系统。
[0087]
步骤4：定义接口路径，完成接口调用。通过在request.js中配置跨域(前后端)请求，根据不同的用户url请求，将所述页面框架、所述页面源代码和样式设计文件上传至对应的服务器，获取不同的返回内容，生成web前端交互页面。
[0088]
如图4所示，医学科研用户可实施实现如下的ai推理低代码编程：
[0089]
1)用户可切换显示ai模型和数据所属场景，并可点击获取对应分类；
[0090]
2)鼠标浮于ai模型和数据之上高亮显示，点击可查看对应详细信息；
[0091]
3)选择ai模型和数据集及参数，拖拽到画板相应提示信息的边框中心位置存放；
[0092]
4)配置参数的拖拽后，响应于点击添加参数，获得参数弹窗配置参数；
[0093]
5)点击“清空”画板后重新拖拽构建任务；
[0094]
6)点击“生成任务”，录入任务信息后，查看“任务列表”。任务信息可包括任务名称和/或任务描述信息；
[0095]
7)点击“运行”后，可点击“暂停”和“终止”来控制任务状态；
[0096]
8)在任务列表中，查看历史任务的运行状况，并对已完成任务进行结果查看。
[0097]
为让本发明的上述特征和效果能阐述的更明确易懂，下文特举实施例。肿瘤复发风险评估模型主要是基于肿瘤病人的临床指标、生存指标和组学指标等相关信息的协同挖掘，抽提关键指标构建风险评估模型，利用该模型进行数据分析，从而对病人肿瘤复发风险进行预测评估，以便更好的协助医生对病人肿瘤复发风险评估，以及对病人病情进一步的提醒预防。以该模型等构建的肿瘤复发风险评估任务具体实施步骤如下：
[0098]
1)用户先在场景选择中左右切换场景，切换到【肿瘤疾病】场景时选中该场景，对应模型池会显示【肿瘤复发风险评估】模型，对应数据池显示【临床表数据、组学数据、生存数据、传感器数据】；
[0099]
2)鼠标浮于【肿瘤复发风险评估】模型或【临床表数据】等数据集上方时，对应图标会高亮显示(模型为红色，数据为蓝色)，点击可查看对应模型或数据集的详细信息，包含序号、名称、场景、描述、发布时间等信息；
[0100]
3)其次从模型池拖拽【肿瘤复发风险评估】模型，点击左键放置在画板中心；再从数据池选择【临床表数据】【组学数据】【生存数据】三个数据集，分别拖拽放置到画板插槽内(按对应提示信息存放)，最后从参数配置中拖拽【肿瘤模型参数】到对应参数插槽内；
[0101]
4)配置参数的拖拽后，点击添加参数，获得参数弹窗配置参数，填入参数信息和输出路径信息，本模型没有额外参数可不填写；
[0102]
5)若需要重新拖拽模型和参数，可直接拖拽模型覆盖或点击“清空”画板，清空画板内容后可重新按上述步骤进行拖拽生成任务；
[0103]
6)点击“生成任务”按钮，录入任务名称(例如：肿瘤复发风险评估任务1)和任务描述信息后，点击“生成”，已生成的任务可在“任务列表”中查看；
[0104]
7)点击“运行”后，出现任务运行计时提示框，用户可点击“暂停”或“终止”来控制任务运行状态；运行成功后页面弹出肿瘤复发风险评估任务结果，本结果包含1张风险评估折线图和四组数据(csv格式)。医生可根据该结果对癌症人群进行复发风险的关联分析，发现对应指示风险的标志物的个数(包括性别、年龄等临床因素、风险基因及风险位点等)，利用这些标志物构建风险评估模型，其能显著地将人群分为风险低和高两个亚群，从而更好的对病人肿瘤复发风险进行评估。
[0105]
8)任务训练后，医生可在任务列表中，查看到【肿瘤复发风险评估任务】的运行状况，同时可点击【查看结果】对历史任务进行结果回顾。
[0106]
(3)医学ai推理低代码编程后端服务构建
[0107]
步骤1：医学ai推理低代码编程后端服务构建。医学ai推理低代码编程后端服务包括模型管理、数据管理、任务管理、公共资源管理、权限管理、系统监控、云端计算管理、数据
持久化等模块。针对后端服务整体框架，可通过自研或开源框架实施构建，比如flask等。
[0108]
其中，模型管理对医学ai推理低代码编程模板的实例化运算进行解释、执行，其关键过程在于执行ai模板中的调用脚本，并将计算交付给云端计算引擎进行具体执行，其所产生计算任务状态传递给任务管理模块；在数据管理模块中，对计算的输入参数(如数据集)进行管理，根据数据访问地址或数据赋值进行数据访问，并提交给模型管理模块；在任务管理模块中，服务将实例化的计算转换为任务，并进行计算状态的监控及结果的保存；在公共资源管理模块中可提供场景、参数等的配置；在权限管理中，可对系统用户权限进行配置管理；在系统监控管理中，可同云端计算管理模块进行交互，对计算执行状态进行实时监控
[0109]
步骤2：数据持久化管理构建。系统涉及对医学ai推理编程计算任务等数据的持久化存储，可采用多种类型的数据提供支持，如采用内存数据库redis提供任务状态的实时存储，采用mysql提供数据结构化存储。针对所采用数据库，需对相关存储结构等进行设置。这其中，还可借助docker等计算引擎，实现对数据库的快速部署等。
[0110]
步骤3：云端计算引擎设置。根据需要支持的医学ai推理计算环境，在后端服务中构建可扩展的云端计算引擎。医学ai推理低代码编程云端计算引擎是医学ai推理低代码编程后端服务的组成部分之一，其可支持所形成的医学ai推理计算任务在接入的云端上执行，包括物理机、虚拟机、容器、无服务器计算等各类计算环境。该引擎包括计算任务管理模块、云端算力接入模块两部分。计算任务管理模块和云端算力接入模块通过交互实现计算任务和算力管理的封装。计算任务管理模块将前端提交的医学ai推理计算任务在后端进行实例化管理，包括计算任务的状态及控制等。云端算力接入模块支持对多种不同类型云端算力的统一适配，根据ai推理低代码编程模板的定义，其实例化的ai推理计算可经算力接入模块将计算分发至相应的计算环境中执行。
[0111]
(4)云端计算环境接入
[0112]
根据需要支持的医学ai推理计算环境，在系统中通过配置的方式接入需要依赖的云端计算环境，如用户自管的计算环境，其他公有云、私有云厂商等提供的计算环境。
[0113]
(5)医学ai模型池及数据池接入
[0114]
在后端服务中通过配置，支持系统平台对外部的ai模型池及数据池进行访问。
[0115]
以下为与上述方法实施例对应的系统实施例，本实施方式可与上述实施方式互相配合实施。上述实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在上述实施方式中。
[0116]
本发明还提出了一种基于低代码编程的医学人工智能推理系统，其中包括：
[0117]
初始模块，用于获取多个医学人工智能模型以及多个待推理的数据集；
[0118]
转换模块，用于根据人工智能模型的计算内容以及应用方法，定义低代码编程模板，根据该低代码编程模板，将医学人工智能模型转换为低代码模型；
[0119]
可视化模块，用于按照可视化界面内的提示，从所有低代码模型和所有数据集中选定待执行模型和待执行数据集，通过在该可视化界面中拖拽组合该待执行模型和该待执行数据集，并为该待执行模型的参数进行赋值，生成医学ai推理计算任务；
[0120]
执行模块，用于根据该推理任务所需的计算环境，构建云端计算引擎，以在接入的云端上执行该医学ai推理计算任务，得到执行结果。
[0121]
所述的基于低代码编程的医学人工智能推理系统，其中该可视化界面包括包括医学计算场景组件、医学ai模型池组件、医学ai数据池组件、医学ai低代码拖拽组件、医学ai模型模板组件；各组件通过协作对低代码编程的图形化的web展示和操作；
[0122]
其中，该医学计算场景组件提供对医学计算场景的接入；该医学ai模型池组件可将所有该低代码模型予以展示，支持将该低代码模型以拖拽方式添加至该医学ai低代码拖拽组件的操作面板的模型槽中；该医学ai数据池组件将所有待推理的数据集予以展现，支持将数据集以拖拽方式添加至该医学ai低代码拖拽组件的操作面板的模型输入槽中，并与该模型槽中模型的输入进行绑定；该医学ai低代码拖拽组件由拖拽操作面板构成，支持其他组件的内容拖拽至该操作面板，以编辑模式实现编程操作；该医学ai模型模板组件用于展示当前所选中模型的模板信息。
[0123]
所述的基于低代码编程的医学人工智能推理系统，其中该可视化模块，用于选定该待执行模型后，在该可视化界面内加载模型的图形化模板，对该图形化模板所指定参数进行拖拽编辑，对编辑合法性进行校验，并实时渲染修改可视化效果。
[0124]
所述的基于低代码编程的医学人工智能推理系统，其中该执行模块，用于对该医学ai推理计算任务的实例化运算进行解释并执行其调用脚本，并将计算交付给云端计算引擎；
[0125]
该云端计算引擎包括计算任务管理模块、云端算力接入模块；计算任务管理模块和云端算力接入模块通过交互实现计算任务和算力管理的封装；计算任务管理模块将该医学ai推理计算任务进行实例化管理，包括计算任务的状态及控制；云端算力接入模块用于适配统一云端算力，将该医学ai推理计算任务实例化后的ai推理计算分发至相应的计算环境中执行。
[0126]
本发明还提出了一种存储介质，用于存储执行所述任意一种基于低代码编程的医学人工智能推理方法的程序。
[0127]
本发明还提出了一种客户端，用于所述任意一种基于低代码编程的医学人工智能推理系统。