犀牛鸟·学问|犀牛鸟海外专家孙冀萌教授谈AI医疗

犀牛鸟·学问

自IEEE与腾讯达成战略合作以来，腾讯高校合作与IEEE携手定期邀请前沿领域专家作为 “犀牛鸟海外专家”做客“犀牛鸟·学问“。

近日，全球AI医疗研究领域知名专家佐治亚理工学院计算机学院孙冀萌教授到访腾讯深圳总部并做客清华-伯克利深圳学院（TBSI）智荟大讲堂。交流中，孙教授分享了他在ICU数据研究和电子病例中的研究情况，并通过讲述自己在美国的科研经历让大家对美国健康医疗领域的现状及应用情况有了更加深入的了解。

▲  腾讯高校合作总监刘婷婷女士为孙冀萌教授颁发“犀牛鸟海外专家”证书

同时，为了让前沿的学习资源惠及更多相关领域的研究学者和学生，“犀牛鸟·学问”联合TBSI邀请孙冀萌教授为TBSI师生、社会公众及产业界人士做题为“Seeking Sophisticated but Interpretable Machine Learning Models for Healthcare Applications”的英文讲座。

讲座摘要

人们经常谈论模型准确性和可解释性之间的权衡。但是，在医疗保健方面，我们需要两者。本次演讲，主要介绍两个复杂模型的例子，这些模型可以准确但仍可解释。其一，重症监护室（ICU）结果预测：高密度ICU监测数据与离散临床事件（包括诊断、药物、实验室）的整合具有挑战性，但可能有所回报，因为此类多模态数据的丰富性和粒度增加了精确检测复杂问题和预测结果的可能性（例如，住院时间和死亡率）。针对这种情况，孙教授团队提出了循环注意和强化模型（RAIM），用于联合分析连续监测数据和离散临床事件。 RAIM引入了一种以离散的临床事件为指导的用于连续监测数据（例如，心电图）的有效注意机制。其二，心力衰竭表型：了解心力衰竭患者的亚型是非常困难但重要的。孙教授团队提出使用整数张量分解方法SUSTain来模拟电子健康记录。 EHR（电子病历系统）数据通常由整数表示（例如，值对应于事件计数或有序度量）。传统方法是将整数数据视为实数，然后应用实值因子分解。但是，这样做不能保留原始数据的重要特征，从而难以解释结果。在孙教授团队的初步研究中，87％的所得表型具有临床意义。

▲ 孙冀萌教授讲座现场

▲  讲座结束，学生向孙冀萌教授请教

此次“犀牛鸟·学问”为研究人员及与会师生带来AI医疗领域的前沿研究进展，促进了学术界科学研究与工业界实践应用间的交流与合作。“犀牛鸟·学问”从2013年启动以来已经组织超过70场与学界专家面对面的活动，旨在为产学研互动搭建交流与合作的平台。欢迎大家持续关注！

孙冀萌教授

佐治亚理工学院计算机学院

Jimeng Sun is an Associate Professor of College of Computing at Georgia Tech. Prior to Georgia Tech, he was a researcher at IBM TJ Watson Research Center. His research focuses on health analytics and data mining, especially in designing tensor factorizations, deep learning methods, and large-scale predictive modeling systems. Dr. Sun has been collaborating with many healthcare organizations.

He published over 120 papers and filed over 20 patents (5 granted). He has received SDM/IBM early career research award 2017, ICDM best research paper award in 2008, SDM best research paper award in 2007, and KDD Dissertation runner-up award in 2008. Dr. Sun received B.S. and M.Phil. in Computer Science from Hong Kong University of Science and Technology in 2002 and 2003, PhD in Computer Science from Carnegie Mellon University in 2007 advised by Christos Faloutsos.