1.多中心专病数据集构建与安全可信共享利用（数据验证赛，此赛题尚未开启报名，请持续关注）

专病高质量数据集是数智应用的基础。在当前专病治疗的过程中，既需要以解决科学问题为导向，构建精准动态、数据适配科研需求的高质量专病库，也要通过提前明确数据模型与质控标准，确保数据的准确性、完整性与时效性，从而促进高质量数据发挥对疾病特征与治疗过程的精准记录，为后续开展各项医疗研究与应用创新的坚实基础。本赛题基于对专病高质量数据的深度分析与挖掘，结合人工智能、大数据等前沿技术，开发出一系列具有创新性的医疗应用，为医疗健康行业带来全新的服务模式与治疗手段，提升医疗服务质量与效率，造福广大患者群体。答题目标包括：（1）搭建协同网络，将分散在不同医疗机构、科研单位的数据通过建立标准化的数据共享与合作机制，打破数据孤岛，实现医疗数据在不同参与主体间的顺畅流通与深度交互。（2）构建可信空间，利用先进的区块链、隐私计算等技术手段，为数据的存储、传输与使用保驾护航，确保数据来源可追溯、数据操作可审计、数据隐私受保护。（3）依托专病高质量数据集、协同网络与可信空间，打造功能完备的公共服务平台。该平台可面向广大医疗从业者、科研人员及相关产业机构，在合规前提下，提供一站式的数据查询、分析工具、研究成果发布与转化等服务。

2.医疗健康行业可信数据空间创新应用与运营机制建立（数据验证赛，此赛题尚未开启报名，请持续关注）

医疗数据具有多源性、敏感性与隐私性特征，但数据孤岛、安全风险与信任缺失问题制约其价值释放。随着医疗数字化转型加速，亟需构建可信数据空间，实现数据可用不可见的安全共享与合规利用，驱动医疗服务创新。本赛题要求参赛单位提出可信数据空间的创新应用方案，涵盖技术架构、数据治理、安全防护、运营模式等内容；设计多方参与的数据共享、利益分配与风险管控机制，推动医疗数据要素价值最大化，提升医疗服务质量与效率。要实现：平衡数据安全、隐私保护与开放应用；设计合规、高效的运营机制，支撑疾病预防、诊疗、康复等场景的数据协同；确保数据全生命周期可追溯与权责清晰。

3.药品网络销售风险监测（数据验证赛，此赛题尚未开启报名，请持续关注）

随着“互联网+”行动不断向前推进，药品、医疗器械、化妆品产业与互联网融合不断加快，除了传统网络销售，社交电商、视频、直播销售暴增。与此同时，利用网络销售假冒伪劣产品、虚假夸大宣传、欺骗消费者的问题不断出现。例如，在网络电商平台、直营网站或移动客户端非法销售未经注册的药械化产品、发布违法违规信息等行为频频出现，给人民群众带来潜在风险。同时，由于网络销售具有虚拟性、跨地域性、隐匿性、易转移性等特点，造成了监管管辖职权不明、监管手段滞后、调查取证困难、执法依据欠缺等诸多难题。本赛题围绕药品、医疗器械、化妆品网络销售监测难风险预判难等核心业务痛点，旨在构建药品网络销售违法识别与风险识别模型，具体包括：（1）构建药品网络销售违法识别模型；（2）构建药品网络销售风险识别模型；（3）优化模型解释性与可部署性，输出可集成至药品全生命周期监管系统的算法成果。

4.提升患者挂号准确率，优化分诊效率（数据验证赛，此赛题尚未开启报名，请持续关注）

在医疗行业快速发展的当下，医院面临着日益复杂的就诊需求和服务挑战。误诊不仅可能延误患者的治疗，还会给患者带来不必要的痛苦和经济负担。同时，挂错号现象频繁出现，导致患者就诊流程混乱，浪费大量时间和医疗资源，降低了患者的就医体验和医院的服务效率。据相关研究显示，部分医院的误诊率长期处于较高水平，挂错号现象也屡见不鲜，这反映出医院在诊疗流程、科室设置、信息引导等方面存在诸多亟待解决的问题。通过对医院误诊率数据和挂错号数据的深入分析，挖掘背后的影响因素，成为优化医院服务、提升医疗质量的关键所在。本赛题的答题目标包括：（1）建立全面的数据收集系统，涵盖患者挂号信息、医院各科室的诊断记录、复诊情况等多维度数据，生成智能辅助诊断模型，依据患者症状，提供正确的挂号建议。（2）数据可视化平台和全面的数据分析，为医院管理者提供了直观、准确的决策依据。管理者可以根据数据了解医院各科室的运行情况，发现潜在问题，及时调整管理策略，优化医疗资源配置，提高医院的整体运营效率和管理水平。

5.人工智能模型服务医疗机构智能排程与精准检查预约（专业数据赛，此赛题尚未开启报名，请持续关注）

在传统的医技检查预约模式下，多样化、高效化的管理需求难以得到满足。面对大量的预约请求以及复杂的资源调配工作，该模式的弊端暴露无遗，患者一次就诊却需多次到院的现象屡见不鲜。例如，患者可能在预约某项检查后，因资源安排不当，需要反复前往医院确认检查时间、等待检查设备空闲，极大地浪费了患者的时间与精力。本赛题需要将号源资源与人工智能模型深度集成，借助人工智能的强大算力与智能算法，精准压缩检查时间，对整个预约流程进行全方位重塑，以此提升资源利用效率，优化患者体验。本赛题的答题目标包括：（1）提升排程效率与准确性：利用人工智能模型，自动生成科学、精准的排程方案，大幅缩短排程所需时间，降低人工排程易出现的错误率。当检查设备或医生排班出现变动时，系统能够迅速响应，重新规划预约安排。（2）提高资源利用率：运用智能算法，对检查设备、医生等资源进行合理分配，避免资源闲置。将空闲的检查设备及时安排给有需求的患者，提升资源的整体使用效率。（3）优化用户体验，减少患者就诊时长：为患者提供便捷、精准的预约服务，在预约成功后，系统能准确告知患者检查时间、地点及相关注意事项，减少患者在医院的等待时间，提高患者满意度。

6.药品安全风险大模型构建（数据验证赛，此赛题尚未开启报名，请持续关注）

以信息化为手段全面加强药品质量安全风险管理，对提升药品安全监管的针对性、靶向性和实效性具有重要意义。近年来，药品监管部门需要在坚持风险管理、全程管控、科学监管、社会共治的原则下，按照全面覆盖、突出重点、及时处置、注重实效的要求，推进监管数据融合应用，积极探索在药品安全风险防控方面利用人工智能技术，构建药品安全风险模型，加快形成药品安全风险识别、风险评估及风险管控相结合的风险管理机制，助力药品安全风险会商和药品安全形势分析，提升智慧监管能力。本赛题要求充分运用人工智能和大数据技术，构建药品安全风险模型，有效识别安全风险和改善质量安全管理体系，开展药品安全风险监测预警、分析研判和分类处置，形成药品安全风险识别、风险评估及风险管控相结合的风险管理机制，切实保障药品质量安全。可从以下四个方面构建安全风险防控模型。

7.基于大模型的医院电子病历深度结构化治理应用（数据验证赛，此赛题尚未开启报名，请持续关注）

随着医疗信息化的发展，医院内部积累了大量的电子病例数据，这些数据大多以非结构化的文本形式存在，如医生手写病历、检查报告、诊断描述等。非结构化数据的特性使得其难以被计算机直接解析和应用，从而限制了数据在医疗研究、临床决策支持、患者管理等方面的潜力。本赛题旨在解决的核心业务问题是：如何充分利用当前先进的大模型技术，设计并实现一个创新的电子病例后结构化系统，以智能化地转化医院内部广泛存在的非结构化电子病历数据为高度结构化的信息格式。具体而言，该系统需深度整合自然语言处理（NLP）与大模型算法的优势，自动解析并精准提取病例文本中的关键医疗信息，包括但不限于患者基本信息、病史记录、诊断详情、治疗方案、药物使用记录等。以便于后续的数据分析、挖掘及智能应用。参赛队伍的核心任务是提交一系列精心设计的实际应用案例，这些案例需广泛覆盖医院内部不同科室的多种疾病类型，确保数据的全面性和多样性。案例数据将以文本形式提供，具体包括但不限于门诊病历、住院病历、各类详细的检查报告（如血液分析结果、放射学诊断报告）、以及医嘱单等关键医疗文档，这些文本数据将全面反映医疗实践的复杂性和多样性。

8.人工智能加快推进药物研发效能（数据验证赛，此赛题尚未开启报名，请持续关注）

随着人口增长和老龄化加剧，各种疾病的发病率不断上升，对新型药物的需求也日益迫切，需要更高效、更安全的药物。同时，随着科技进步和人工智能等技术的广泛应用，为药物研发提供了更多可能。本赛题要求参赛团队引入人工智能、生物医药大模型、自动化实验室等技术，在靶点发现与分子设计优化、临床前与临床试验效率提升、成果转化与市场适配性、伦理与合规性挑战应对等方面发力，聚焦整合新兴技术与协同机制，系统性缩短研发周期并降低成本，解决药物研发面临周期长、成本高、成功率低等实际情况。

9.药械生产企业数智化转型（数据验证赛，此赛题尚未开启报名，请持续关注）

当前，新一代信息技术与医药产业链深度融合，数智技术已成为推动医药产业持续创新和提质升级的关键因素。今年，北京市出台《北京市支持创新医药高质量发展若干措施（2025年）》，推动了医药制造数智化转型。数智化转型不仅是提升效率、降低成本、增强企业竞争力的重要途径，更是实现医药产业高质量发展的必由之路。本赛题旨在以数字化、智能化技术为驱动，覆盖药械研发、生产、流通、质量管理等全流程一体化环节，在提升效率、保障合规性、优化资源配置等方面发力，实现药械生产企业从传统制造向智能服务模式的跨越，实现研发效率提升、生产智能化、质量全流程可控、供应链协同优化等，发展新质生产力。

10.针对个体信息的疾病演化时序预测（专业数据赛，此赛题尚未开启报名，请持续关注）

疾病的准确诊断和预后预测是处方、治疗、管理等干预手段的重要依据。目前对基于循证医学方法的疾病预后预测是一个难点，一是难在疾病演化的时序预测算法，二是难在临床医疗时序数据的治理。本赛题旨在通过最新的人工智能技术，结合疾病临床时序数据治理，以及疾病指南医学文献等，研究出个体疾病预测的算法，以提高疾病防治早筛、治疗疗程管理、院外健康管理等环节的精准性，实现更及时精准治疗。

11.基于医疗影像的多模态诊断大模型构建（专业数据赛，此赛题尚未开启报名，请持续关注）

在当今医疗领域，精准诊断是提升治疗效果与患者生存率的关键。传统诊断方法依赖单一影像模态，信息有限。随着人工智能技术发展，构建多模态诊断大模型成为趋势。此赛题旨在推动选手探索如何融合多种医疗影像数据，挖掘更全面的诊断信息，以应对复杂疾病诊断难题，助力医疗影像诊断智能化升级，为精准医疗开辟新路径，符合医疗行业对创新诊断技术的迫切需求。本赛题目标是探索多模态融合技术在医疗影像诊断中的应用潜力，要求参赛者构建一个整合多种影像模态（如CT、MRI、PET等）数据的诊断大模型，通过影像输入，生成医学影像报告。需攻克模态间特征异构性、数据标注稀缺性及临床场景复杂性等技术难点，实现对疾病的精准定位、定性及定量分析。最终模型应具备泛化能力强、可解释性高、临床适配性优的特点，为解决医疗资源不均衡、疑难病症早期筛查等现实挑战提供智能化解决方案，推动AI技术从单病种辅助诊断向多病种综合诊疗的跨越升级。

12.医疗报告生成大模型评估（专业数据赛，此赛题尚未开启报名，请持续关注）

临床决策支持系统（CDSS）通过大语言模型、知识图谱、多模态学习等技术，提供诊断辅助、治疗优化、风险管控、流程标准化等服务，系统性解决了医疗差错、资源浪费、知识滞后、诊疗不均等核心问题。实证数据显示，CDSS可以有效地降低医疗成本、提升诊断准确性，并显著改善患者预后。随着生成式AI与因果推理技术的融合，CDSS将从“辅助工具”演进为“协同决策伙伴”，推动医疗质量进入智能化新纪元。医疗报告是医生对病人健康状况的总结，是医疗诊断过程的重要环节。本赛题需要在综合医院和专科医院的不同场景下，展示生成式大模型在生成医疗报告应用下，根据患者的具体情况，结合最新的临床指南、医学文献及真实世界数据，生成个性化的诊疗方案推荐的准确性。

13.基于多模态深度学习的药物转录响应预测（专业数据赛，此赛题尚未开启报名，请持续关注）

本赛题旨在基于人工智能方法，构建多模态深度学习模型，预测药物在不同细胞背景下诱导的转录组表达响应。选手需要整合化合物分子结构信息、处理剂量信息和细胞基线表达特征，实现对扰动后基因表达谱的精准建模。本赛题聚焦实际药物开发场景，关注药物作用机制建模与安全用药评估。建模目标不仅要求在已有药物/细胞上拟合表达变化，更强调模型在未见药物和新细胞系条件下的泛化能力。选手需要重点应对以下挑战：（1）高维转录组数据中的生物学噪声与技术偏倚。（2）药物-细胞之间的复杂非线性交互关系。（3）不同细胞类型间的跨域迁移学习问题。（4）多剂量、不同时间点处理条件下的动态响应预测问题。本赛题将有助于推动药物反应预测模型从“实验驱动”迈向“数据驱动”，为新药筛选与个体化用药提供技术支撑。

14.高值药品精准控费与疗效保障协同机制设计（数据验证赛，此赛题尚未开启报名，请持续关注）

针对血友病等特殊疾病患者年医疗费用超20万元的高值药品使用场景，现有按比例封顶的支付方式易导致过度医疗或保障不足双重风险。本赛题要求参赛团队构建基于临床疗效的精准支付体系，整合患者电子病历、基因检测、药品追溯、费用结算等多源数据，运用区块链存证、AI预测模型、智能合约等技术，设计包含以下要素的创新方案：（1）基于真实世界研究的疗效-费用动态评估模型。（2）分阶段治疗目标与支付标准挂钩的弹性结算机制。（3）药品全生命周期追溯与异常使用预警系统。（4）医保-商保-慈善多方共付的智能分摊模型。需对接国家谈判药品双通道系统，建立治疗质量评价指标体系，实现“临床必需、费用合理、疗效可溯”的智慧监管。

15.基于医保数据的医师执业合规性智能监测与预警（专业数据赛，此赛题尚未开启报名，请持续关注）

随着医疗数据信息化的发展，医师执业行为的数据留痕日益完善，需构建智能化监管体系，通过医保结算、电子病历、医师注册等数据，精准识别潜在的医师执业违规行为（如超范围执业、虚假诊疗、挂证行医等）。参赛者需基于历史数据构建预测模型，设计一套数据驱动的医师执业合规性分析模型，并提出监管优化方案。

16.预约挂号电子黄牛识别算法模型构建（数据验证赛，此赛题尚未开启报名，请持续关注）

北京市预约挂号统一平台聚合北京市299家医院（院区）的预约挂号服务，北京市作为全国优质医疗资源的汇聚地，因专家号预约难、看病难等现状，产生了倒号卖号的电子黄牛，影响了市民正常看病。本赛题旨在通过对平台用户行为进行拆解分析，对比出电子黄牛与真实用户之间的差异性，产生可持续用于预防电子黄牛恶意行为的算法模型。

17.智慧中药房煎药全流程质量控制与监管（数据验证赛，此赛题尚未开启报名，请持续关注）

当前，智能化煎煮虽在一定程度上提高了煎药效率，然而在全流程质量控制方面，仍面临诸多挑战。尽管智能化设备能够记录温度、加水量、煎煮时间等基础数据，但对于饮片质量、调剂煎煮工艺、药液浓度变化以及针对患者的用药嘱咐等关键质量指标，缺乏有效的质量控制手段及监督管理措施。亟需通过数据整合与智能化手段提升煎药全流程质量控制与监管能力。本赛题的答题目标包括：（1）构建覆盖调剂、煎煮、汤剂质量检测、用药指导等全流程数据采集与质量评估模型，实现异常预警与工艺优化建议。（2）设计可追溯的区块链或物联网数据平台，实现高度契合患者个体差异的精准用药指导方案。

18.大模型中医辨证思维能力测评（专业数据赛，此赛题尚未开启报名，请持续关注）

中医药作为中华文明的宝贵遗产，蕴含着深邃的智慧，并对人们的健康产生了显著的积极影响。然而，由于其科学原理难以用通俗易懂的方式表达，中医药在现代化进程中始终面临着如何清晰阐述和明确解释的难题。本赛题提供中医辨证思维测评数据集（TCM Evaluation  Syndrome Differentiation Thought Benchmark，TCMEval SDT benchmark）。该数据集旨在为语言模型提供一个标准化、高可信度、可量化的复杂场景推理评估基准。这项任务可以为中医药领域语言模型的辨证思维能力提供量化的评价，推动语言模型在中医药领域的持续优化和进步。本赛题要求参赛团队开发和应用专门针对中医药领域的语言模型，模拟真实世界中的中医诊疗研究，有助于揭示生命的奥秘，进一步消除传统医学与现代科技之间的障碍，为中医药的现代化和国际化奠定基础。

19.基于多通道梯度压力脉搏波的血压动态监测与高血压风险预测建模（专业数据赛，此赛题尚未开启报名，请持续关注）

随着心血管疾病防控需求日益增长，传统血压监测技术因其单点静态测量的局限性，难以实现血压动态波动规律的精准捕捉和高危状态的及时预警。本赛题聚焦多通道梯度压力脉搏波这一新型生物信号特征，结合人工智能技术，要求参赛者以血流动力学为基础构建动态血压预测模型与高血压风险分层预警模型，实现从连续生理信号到健康风险评估的闭环分析。

20.基于大模型的中医药诊疗特色多模态数据要素融合（数据验证赛，此赛题尚未开启报名，请持续关注）

中医药诊疗强调“辨证论治”，需综合患者症状、体质、舌象、脉象等多维度信息。通过人工智能大模型（如GPT等）整合多模态数据（文本、图像、传感器数据等），构建智能辅助诊疗系统，提升诊断客观性、个性化治疗能力，并促进中医药知识的数字化传承。本赛题需要参赛团队通过大模型融合多模态中医药数据，实现从“经验驱动”到“数据+知识双驱动”的诊疗模式升级。其中包括：融合多模态中医诊疗数据并结合区块链技术，构建可信的中医药数据流通生态；推动中西医结合，整合现代医学检验数据与中医辨证逻辑；通过AI智能算法和历史数据融合，提供中医辅助诊疗工具。案例涉及内容应已实施完成，具有实际的业务应用场景，具备一定先进性、创新性、规模性和示范性，适合向社会公开推广，尤其是在培育新模式、新业态，形成企业新的业务板块、增长点和提升公共服务水平方面具有示范意义。

承办单位：北京市大兴区人民政府、北京市海淀区人民政府、北京市昌平区人民政府、北京市西城区人民政府

主办单位：北京市卫生健康委员会、北京市药品监督管理局、北京市医疗保障局

协办单位：国家人口健康科学数据中心、中国中医科学院中医药信息研究所、北京医药行业协会、国新健康保障服务集团股份有限公司

1.启动阶段：

      5月28日启动北京分赛，发布北京分赛赛道赛题等赛事信息。

2.初赛阶段：

      竞赛启动后，参赛团队可通过官网报名和提交材料，初赛报名和比赛分阶段进行，预计8月下旬开展初赛评审，审核获奖材料，确定晋级北京分赛区决赛单位。

3.决赛阶段：

      公布决赛评审时间和评审安排，预计8月底左右开展北京分赛区决赛，围绕初赛评选产生的优秀项目，采取路演答辩等方式进行决赛评选，计划9月底前提交参加全国总决赛名单。

各赛道设置一、二、三等奖、优秀奖等奖项，并提供以下权益：

1.数据流通

鼓励优秀项目数据资源和成果加入北京市数据流通利用增值协作网络，组织北京国际大数据交易所与参赛单位开展“所商合作”，促进数据要素流通，通过市场化实现价值化。

2.产融对接

持续组织国家级、市级和区级投融资机构举办产融对接活动，提供的产融合作资源支持。

3.展示推广

组织数据应用方与参赛单位开展业务合作，举办论坛沙龙、座谈交流、线下推展等赛事活动，制作获奖项目案例汇编，促进数据产品的服务推广与供需对接。

4.企业发展

符合条件的获奖团队可享受相关市级部门和属地政府提供的产业支持、人才招引等政策。

5.跟踪服务

北京分赛组委会建立竞赛项目库、主体库，推动全市产业支持政策触达参赛单位，加强常态化跟踪与沟通服务。

6.交流学习

获奖团队有机会参与大赛组委会举办的政策宣贯、调研走访、成果转化等活动。

每个赛道的奖项数量、大赛权益详情将在后续进行通知，敬请持续关注。