0
| 本文作者： AI科技評論 | 2018-08-22 10:20 | 專題：KDD 2018 |
倫敦當地時間8月20日， ACM SIGKDD （知識發現與數據挖掘會議）正式在倫敦開幕，雷鋒網也來到了現場為大家報道現場的盛況。
KDD 2018今年推出了幾項創新創新議程，包括今天雷鋒網在開幕文章中提及到的Deep Learning Day 和 Health Day。
其中，Deep Learning Day是ACM SIGKDD第一次組織的一個完整的深度學習議程，旨在提供一個對深度學習最新發展狀況的交流平臺，其中討論的內容也涵蓋了許多值得關注的新興主題，比如卷積神經網絡的最新研究方法等等。
而Health Day則是匯聚了很多AI、機器學習領域的專家，共同探討AI、機器學習在醫療保健行業的發展趨勢與挑戰，其中討論內容涵蓋了機器學習等技術在醫療行業的應用，有哪些新的技術和方法，以及這些應用、技術的開發過程和面臨的挑戰。
雷鋒網在現場全程參加了Health Day，聆聽了目前人工智能、機器學習等在醫療技術方面應用的趨勢。
f
Health Day at KDD中的領域涵蓋了生物信息學、流行病學、基因組學以及醫療保健等多個醫療行業的熱門科目。
Health Day從8月20日上午8點開始，整個議程包括3個workshop，3個Tutorial。
3個workshop包括了《epiDAMIK: Epidemiology meets Data Mining and Knowledge discovery
e》、《Workshop on Machine Learning for Medicine and Healthcare》、《Workshop on Data Mining in Bioinformatics (BIOKDD 2018)》三大塊。
其中epiDAMIK的workshop主要針對流行病的數據挖掘和新工具的攻克進行范圍討論。過去十幾年中，非典、埃博拉等傳染疾病都在全球產生了巨大影響，也說明了人們在面對疫情時候的無力感，這也是為什么人們需要制定更好的方法來遏制流行病的原因，在這些方法中，數據挖掘和知識發現在這個領域能夠發揮重要作用，比如為傳染病建模就是其中之一。通過分析和控制流行病學、公共衛生學等各個傳統學科的交叉研究數據，能夠讓數據挖掘和機器學習的研究人員開發出解決許多基本問題的新工具，在未來，這些工具在攻克和防治傳染病的工作上會發揮非常重要的作用。
在《Workshop on Machine Learning for Medicine and Healthcare》中，主要圍繞醫療保健中的機器學習模型而展開。其中來自美國喬治亞理工學院的Jimeng Sun教授在演講中介紹了兩個復雜的模型，一個是ICU中的結果預測模型，一個是心力衰竭表型，主要討論圍繞著模型的準確性和可解釋性之間的權衡而展開。闡述了傳統的數據方法和未來研究趨勢的差別。來自英國倫敦大學國王學院Daniel Bean博士則是則是分享了他的基于知識圖譜開發機器學習的方法，這些知識圖譜將大型公共數據、健康記錄相結合，用來預測和解釋患者的臨床事件。
而《Workshop on Data Mining in Bioinformatics (BIOKDD 2018)》則主要圍繞數據挖掘咋生物醫學信息學中發揮的做種，整個workshop都以數據科學、生物醫學、健康信息學為主題，專注于使用流行的大數據框架、數據可視化、有效數據挖掘和機器學習等方法分析大量異構復雜的生物數據和臨床數據，并在生物信息學和健康信息學中有創新應用。
三個主要的workshop都為目前的醫療行業帶來了前瞻性的成果展示，讓人們了解的最新技術在醫療領域的應用及未來趨勢。
3個Tutorial包含了《Explainable Models for Healthcare AI》、《Deep Learning for Computational Healthcare》、《Knowledge Discovery from Cohorts, Electronic Health Records and further Patient- related data》三個主題。
第一個Tutorial主要圍繞醫療AI中的可解釋模型展開，廣泛涵蓋了醫療保健中的可解釋機器學習模型，對其系統的設計定義、差別、未來挑戰等均進行了細致地討論，Tutorial還針對可解釋的機器模型如何部署、實際用途等問題進行了探索。
第二個Tutorial主要圍繞醫療保健行業的深度學習而展開，由于電子的健康數據爆發式地增長和現今的機器學習、數據挖掘技術的演進，深度學習方法在醫療行業的分量也越來越重，所以，現場演講者集中探討了EHR數據、基本的深度學習方法及其在醫療保健中的應用。
第三個Tutorial主題主要圍繞挖掘EHR電子健康大數據而進行，研究者們分享了他們在分析EHR數據的進展，如何利用數據對患者的病情進行預測、檢測不良藥物、檢測不良反應等等，通過挖掘的數據源、方法和案例研究，來指定各種新的數據挖掘方式，并將研究結果呈現給醫學專家。
KDD 2018舉行Health Day，可見人工智能、數據挖掘等信息技術對于醫學的影響也越來越深，Health Day激發了各個不同學科之間對于醫療健康方面的積極討論與合作，各方專家探討了醫學、物聯網數據等跨學科的合作方式、未來研究發展趨勢以及面臨的挑戰，這對于人工智能和醫療行業的結合意義非凡，未來勢必會給傳統醫療行業帶來實質性的改變。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
