基于領先的AI技術和代謝性疾病樣本庫，建立中國慢性病高精準篩查系列產(chǎn)品，可同時對心腦血管、心血管、腦卒中、糖尿病和高血壓5種常見高發(fā)慢性疾病進行風險評估。

篩查5種慢性疾病的五級風險等級人群

進行3年/10年內(nèi)發(fā)病風險預測分析

提供個性化危險因素分析及健康干預方案

利用強化學習、環(huán)境學習等決策類AI技術構(gòu)建數(shù)據(jù)驅(qū)動的省市區(qū)縣級新型冠狀病毒傳播數(shù)字孿生系統(tǒng)，推演不同管控方案對疫情趨勢的影響，為制定科學有效的復工復產(chǎn)方案提供有效參考。

還原病毒傳播路徑，繪制城域“接觸網(wǎng)”

豐富防控篩查規(guī)則模型，篩查高危人群

推演疫情發(fā)展，提供宏觀決策預判

利用自動機器學習技術訓練出大規(guī)模機器學習預測模型，用以輔助無ML基礎的醫(yī)師進行新生兒體重預測，對指導生產(chǎn)方式等方面提供重要參考。

自動機器學習

誤差在205.3g內(nèi)

成果被醫(yī)療學術期刊收錄，效果遠超教科書公式，為指導臨床提供有效支撐

利用自動GBDT算法調(diào)參等技術訓練出大規(guī)模機器學習預測模型，預測精度提高12%，為手術決策提供有利參考。

預測精度遠超cox回歸分析

助力醫(yī)患術前決策

依托于領先的AutoCV、OCR等技術，可滿足化驗單識別、體檢報告識別、病歷識別以及卡證識別等不同場景需求，加速醫(yī)療信息化；同時還可實現(xiàn)影像分割、器官勾畫、閱片篩查、影像質(zhì)控等輔助診療功能，提高閱片銷量，減輕醫(yī)生工作負擔，提升就醫(yī)效率。

通過利用自然語言處理、深度學習、機器學習和圖像識別等AI技術，滿足靶點篩選、化合物合成、化合物篩選、晶型預測等不同場景需求，覆蓋藥物藥物研發(fā)中的藥物發(fā)現(xiàn)和臨床前研究等階段，以提升藥物研發(fā)效率，縮短藥物研發(fā)

通過利用自然語言處理、深度學習、機器學習、圖像識別和語音識別等AI技術，可為醫(yī)院、醫(yī)護人員以及醫(yī)保局提供問診機器人、虛擬助理、輔助診斷以及醫(yī)保控費等不同產(chǎn)品及解決方案，以優(yōu)化診療流程、提升患者就診體驗，同時提升醫(yī)護人員及醫(yī)療工作者的效率。

利用互聯(lián)網(wǎng)技術、邊緣計算機技術，結(jié)合NLP技術、語音識別技術等AI技術，可為智慧家庭提供諸多人機交互解決方案，在感知消費者生活需求的基礎上，與智慧社區(qū)、新型智慧城市服務對接，提供健康管理、居家養(yǎng)老、互動教育、智能家居、能源管理、社區(qū)服務及家庭安防等智慧家庭應用。