KDD首推Health Day，探讨如何用AI、数据挖掘改变未来医疗 | KDD 2018

伦敦当地时间8月20日， ACM SIGKDD （知识发现与数据挖掘会议）正式在伦敦开幕，雷锋网也来到了现场为大家报道现场的盛况。

KDD 2018今年推出了几项创新创新议程，包括今天雷锋网在开幕文章中提及到的Deep Learning Day 和 Health Day。

其中，Deep Learning Day是ACM SIGKDD第一次组织的一个完整的深度学习议程，旨在提供一个对深度学习最新发展状况的交流平台，其中讨论的内容也涵盖了许多值得关注的新兴主题，比如卷积神经网络的最新研究方法等等。

而Health Day则是汇聚了很多AI、机器学习领域的专家，共同探讨AI、机器学习在医疗保健行业的发展趋势与挑战，其中讨论内容涵盖了机器学习等技术在医疗行业的应用，有哪些新的技术和方法，以及这些应用、技术的开发过程和面临的挑战。

雷锋网在现场全程参加了Health Day，聆听了目前人工智能、机器学习等在医疗技术方面应用的趋势。

f

Health Day at KDD中的领域涵盖了生物信息学、流行病学、基因组学以及医疗保健等多个医疗行业的热门科目。

Health Day从8月20日上午8点开始，整个议程包括3个workshop，3个Tutorial。

3个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)》三大块。

其中epiDAMIK的workshop主要针对流行病的数据挖掘和新工具的攻克进行范围讨论。过去十几年中，非典、埃博拉等传染疾病都在全球产生了巨大影响，也说明了人们在面对疫情时候的无力感，这也是为什么人们需要制定更好的方法来遏制流行病的原因，在这些方法中，数据挖掘和知识发现在这个领域能够发挥重要作用，比如为传染病建模就是其中之一。通过分析和控制流行病学、公共卫生学等各个传统学科的交叉研究数据，能够让数据挖掘和机器学习的研究人员开发出解决许多基本问题的新工具，在未来，这些工具在攻克和防治传染病的工作上会发挥非常重要的作用。

在《Workshop on Machine Learning for Medicine and Healthcare》中，主要围绕医疗保健中的机器学习模型而展开。其中来自美国乔治亚理工学院的Jimeng Sun教授在演讲中介绍了两个复杂的模型，一个是ICU中的结果预测模型，一个是心力衰竭表型，主要讨论围绕着模型的准确性和可解释性之间的权衡而展开。阐述了传统的数据方法和未来研究趋势的差别。来自英国伦敦大学国王学院Daniel Bean博士则是则是分享了他的基于知识图谱开发机器学习的方法，这些知识图谱将大型公共数据、健康记录相结合，用来预测和解释患者的临床事件。

而《Workshop on Data Mining in Bioinformatics (BIOKDD 2018)》则主要围绕数据挖掘咋生物医学信息学中发挥的做种，整个workshop都以数据科学、生物医学、健康信息学为主题，专注于使用流行的大数据框架、数据可视化、有效数据挖掘和机器学习等方法分析大量异构复杂的生物数据和临床数据，并在生物信息学和健康信息学中有创新应用。

三个主要的workshop都为目前的医疗行业带来了前瞻性的成果展示，让人们了解的最新技术在医疗领域的应用及未来趋势。

3个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》三个主题。

第一个Tutorial主要围绕医疗AI中的可解释模型展开，广泛涵盖了医疗保健中的可解释机器学习模型，对其系统的设计定义、差别、未来挑战等均进行了细致地讨论，Tutorial还针对可解释的机器模型如何部署、实际用途等问题进行了探索。

第二个Tutorial主要围绕医疗保健行业的深度学习而展开，由于电子的健康数据爆发式地增长和现今的机器学习、数据挖掘技术的演进，深度学习方法在医疗行业的分量也越来越重，所以，现场演讲者集中探讨了EHR数据、基本的深度学习方法及其在医疗保健中的应用。

第三个Tutorial主题主要围绕挖掘EHR电子健康大数据而进行，研究者们分享了他们在分析EHR数据的进展，如何利用数据对患者的病情进行预测、检测不良药物、检测不良反应等等，通过挖掘的数据源、方法和案例研究，来指定各种新的数据挖掘方式，并将研究结果呈现给医学专家。

KDD 2018举行Health Day，可见人工智能、数据挖掘等信息技术对于医学的影响也越来越深，Health Day激发了各个不同学科之间对于医疗健康方面的积极讨论与合作，各方专家探讨了医学、物联网数据等跨学科的合作方式、未来研究发展趋势以及面临的挑战，这对于人工智能和医疗行业的结合意义非凡，未来势必会给传统医疗行业带来实质性的改变。