神经网络国际联合会议在匈牙利布达佩斯召开 ，诺道医学首席数据科学家王则远博士受邀作口头报告 ， 分享医疗人工智能前沿算法
发布日期: 2019/07/26 浏览次数：
图1 王则远博士受邀参加神经网络国际联合会议
本次会议包含9场全体会议，3场panels，12场tutorials，4场workshops，34个special sessions，以及4场competitions。旨在分享学者在深度学习、机器人技术、神经科学、认知和脑结构方面的研究成果。各会场的口头报告(oral presentation) 和poster交流都主要涵盖神经网络相关理论与应用，覆盖面从生物神经网络建模到人工神经计算。Isabelle Guyon, C. Lee Giles, Erkki Oja, Danil Prokhorov, Wolf Singer和 Ichiro Tsuda等9位大牛级学者进行了全体大会报告，分享了其在神经网络研究中的前沿成果，其中包含循环神经网络，深层和浅层神经网络，无监督学习，机器人，脉冲神经网络，以及神经网络的记忆和动态变化的数学理论基础。
王则远博士表示，各位学者分享的这些研究极大的推动了神经网络的研究发展，为如何真正实现“强智能”提供了很多新观点。其中脉冲神经网络弥合了神经科学和机器学习之间的差距，使用最拟合生物神经元机制的模型来进行计算，增强了我们处理时空数据（真实世界感官数据）的能力，这样我们可以更好、更稳定且更自然的处理时序信息（时序信息在真实世界数据中及其常见）而无需循环神经网络添加额外的复杂度。脉冲式神经网络的监督式学习规则是现阶段的研究难点，也将是是未来的算法突破点，随着研究的推进，它将成为比现阶段的人工神经网络更强大的计算单元。
图2 王则远博士作口头报告
王则远博士在7月15日的循环神经网络分会场上作口头报告，分享了如何基于低质量数据集来进行医疗诊断。医疗的真实世界数据往往是不完整、异构、不规范命名和不平衡的，此论文提出了一个基于多示例学习和注意力机制的新方法（AMI-Net），来从真实世界的低质量数据集中定位有效信息，从而支持模型进行最终的医疗决策，此方法将可解释性与深度特征表达相结合，为疾病的真实世界研究提供了新的思路。
王则远博士基于现有的研究成果，带领诺道医学算法团队对已构建完成的模型进行了进一步优化，采用了focal loss函数并提出了一种自我适应的多示例池化方法，使得模型更好地处理了极端不平衡数据（阳性样本很少）并更加充分地挖掘出了示例层面的信息。下一阶段的研究将重点聚焦于连续变量的空间嵌入，使得模型可以更好的处理含有大量缺失值的数据，尤其是缺失部分检验检查的患者数据。优化后的模型将应用于iPharma智能临床药学服务平台，极大提高用药决策模型和风险预测模型的能力。
iPharma智能临床药学服务平台是诺道医学推出的全球首款，将大数据人工智能技术与医学药学相结合的用药决策与药学科研平台。首先，可作为用药助手，紧贴临床需求，基于患者临床数据，开展个体化/精准用药、智能审方、药物治疗管理、用药决策支持等服务；同时也是科研能手，紧跟医疗人工智能发展趋势，开展循证药学科研、基于真实世界数据的药物临床综合评价、个体化用药/用药风险预测等方向的研究。
王则远博士基于现有的研究成果，带领诺道医学算法团队对已构建完成的模型进行了进一步优化，采用了focal loss函数并提出了一种自我适应的多示例池化方法，使得模型更好地处理了极端不平衡数据（阳性样本很少）并更加充分地挖掘出了示例层面的信息。下一阶段的研究将重点聚焦于连续变量的空间嵌入，使得模型可以更好的处理含有大量缺失值的数据，尤其是缺失部分检验检查的患者数据。优化后的模型将应用于iPharma智能临床药学服务平台，极大提高用药决策模型和风险预测模型的能力。
iPharma智能临床药学服务平台是诺道医学推出的全球首款，将大数据人工智能技术与医学药学相结合的用药决策与药学科研平台。首先，可作为用药助手，紧贴临床需求，基于患者临床数据，开展个体化/精准用药、智能审方、药物治疗管理、用药决策支持等服务；同时也是科研能手，紧跟医疗人工智能发展趋势，开展循证药学科研、基于真实世界数据的药物临床综合评价、个体化用药/用药风险预测等方向的研究。
图3 iPharma用药助手前景展望
未来，iPharma用药助手可以在医生或药师的协同管理下，以智能机器人的形式进入家庭，搭载“药学大脑”，集成可穿戴血糖仪、血压计、心电图仪等信息，实现与患者的语音交互，从而实现为患者提供高质量药学技术服务和实时动态药学监护的良好夙愿。