KDD-2019参会日记-2

本次会议举办了第二届health day,汇集了来自各种医疗保健相关学科的研究人员,如临床医学、生物医学信息学、流行病学、公共卫生、社会学、生物信息学和基因组学等。通过这一交流平台,专家学者展示健康分析技术和解决方案的想法和最新进展。

IMG_4557

由于医疗成本的快速增长以及健康对人类生活质量的直接影响,迫切需要利用数据分析和机器学习来深入了解各种与健康有关的疾病。有效地使用医疗数据构建机器学习模型面临许多挑战。医疗数据通常具有稀疏性、噪声性、时序性、多源异构性和不确定性等特征。大会主要围绕药物设计和电子病例的数据挖掘方法。

医学的计算机模拟是指直接使用计算方法来支持药物发现和开发。机器学习和数据挖掘方法已成为计算机模拟的一个组成部分,并在药物发现和开发过程的各个阶段具有不错表现。来自IQVIA的Danica博士介绍药物发现和开发中的数据分析方法。提到了一些成功的AI诊断案例。Novant Health的执行总裁兼首席医疗官Eric Eskioglu介绍了医学数据分析成果转化方面的内容

IMG_4505

瑞典教授Panagiotis介绍了电子病历的主要内容以及斯德哥尔摩大学所采集及存储数据的健康银行,并提到了医学领域疾病的通用编码ICD10。通过实例介绍了电子病历中两种主要数据特征,静态及时序特征,强调了时间在医学信息系统中的作用。两种常用的时间序列抽象方法,趋势抽象和值抽象。对抽象后的时间序列使用模式挖掘算法,学习疾病的预测模型。

 

通过会议的学习,总结的几个值得深入研究的关键词是Long Short Term Memory architecture, Recurrent Neural Networks, attention mechanisms, Interpretable model, knowledge graph.

anyShare分享到:
This entry was posted in 交流活动. Bookmark the permalink.

发表评论