卵巢癌是一种早期不易发现、治疗周期长、易复发的妇科恶性肿瘤疾病,致死率极高。多数患者在初次就诊时,病情已经发展到中晚期。卵巢肿瘤专科的医生在对患者进行手术或化疗的过程中,需要对患者进行长期的随访,观察患者在诊疗过程中的不良反应和生存情况,不断调整诊疗方式和计划,尽可能地提高患者的生存率和生存质量。本文开展实地调研,分析了同济医院妇科肿瘤科室目前的随访方式和患者反馈情况后,发现目前常用的微信和电话等随访方式存在医护人员工作量大、患者反馈情况差、随访内容和记录混杂重复、记录不成系统易丢失等问题,亟需一种面向卵巢癌患者的随访服务系统。由于卵巢癌患者大多都是中老年人,系统的可获得性和易用性是重要的考虑因素,本文基于微信公众号作为用户流量入口,结合网页和微信授权两种登录方式的优点,提高用户使用本系统的便利性。面向医生对患者进行术后随访过程中的诊疗流程和随访任务需求,本系统将减轻医患随访工作量、结构化随访数据、提高患者服药依从性作为系统设计目标,设计随访服务系统的架构和流程,将系统业务划分为用户管理、随访信息、用药记录、数据分析四个模块,实现随访数据信息化和结构化。本文应用光学字符识别（OCR）技术自动识别医学诊疗数据,抽取随访指标数据,减轻患者随访工作量,根据医生自定义诊断规则生成初步诊断报告,减轻医护人员随访工作量,并应用可视化图表形象呈现患者癌症发展进程,提供预后预测临床参考。本文采用前后端分离的开发模式实现随访服务系统,服务端采用Spring Boot框架、Hibernate接入My SQL数据库,采用Spring Security管理系统的登录授权,基于Maven管理项目依赖;前端采用Vue框架,采用history路由模式,基于Webpack构建打包工程文件,实现系统架构和功能模块。本文设计丰富的测试用例对随访服务系统各模块进行功能测试,应用JMeter和Lighthouse系统测试工具,从平均响应时间、错误率、资源占用率、Web性能四个方面对系统进行性能测试。本文的测试结果表明,系统满足功能性需求,数字化卵巢癌病患信息、随访记录、互动交流、用药管理等资源,便于医生实时跟踪、管理、处置患者的随访工作,有望基于随访数据分析,有效调整诊疗方案,提高患者生存几率和生存质量。并且,在随访信息模块的上传检验报告单功能,应用OCR识别技术和模糊推理自动抽取的随访指标数据较为准确,能够有效减轻患者工作量,自动生成初诊报告功能有效减轻医生工作量。本文后期工作拟扩大系统应用范围,集成智能医疗设备收集的多模态医疗数据,研究隐私保护的数据共享方法,研究基于联邦学习建模训练预后预测模型,构建边云协同的卵巢癌医生助手系统。