倫敦當?shù)貢r間8月20日， ACM SIGKDD （知識發(fā)現(xiàn)與數(shù)據挖掘會議）正式在倫敦開幕，雷鋒網也來到了現(xiàn)場為大家報道現(xiàn)場的盛況。

KDD 2018今年推出了幾項創(chuàng)新創(chuàng)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(fā)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(yī)療保健行業(yè)的發(fā)展趨勢與挑戰(zhàn)，其中討論內容涵蓋了機器學習等技術在醫(yī)療行業(yè)的應用，有哪些新的技術和方法，以及這些應用、技術的開發(fā)過程和面臨的挑戰(zhàn)。

雷鋒網在現(xiàn)場全程參加了Health Day，聆聽了目前人工智能、機器學習等在醫(yī)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(yī)療保健等多個醫(yī)療行業(yè)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(shù)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(shù)據挖掘和知識發(fā)現(xiàn)在這個領域能夠發(fā)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(wèi)生學等各個傳統(tǒng)學科的交叉研究數(shù)據，能夠讓數(shù)據挖掘和機器學習的研究人員開發(fā)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(fā)揮非常重要的作用。

在《Workshop on Machine Learning for Medicine and Healthcare》中，主要圍繞醫(yī)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(tǒng)的數(shù)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(fā)機器學習的方法，這些知識圖譜將大型公共數(shù)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(shù)據挖掘咋生物醫(yī)學信息學中發(fā)揮的做種，整個workshop都以數(shù)據科學、生物醫(yī)學、健康信息學為主題，專注于使用流行的大數(shù)據框架、數(shù)據可視化、有效數(shù)據挖掘和機器學習等方法分析大量異構復雜的生物數(shù)據和臨床數(shù)據，并在生物信息學和健康信息學中有創(chuàng)新應用。

三個主要的workshop都為目前的醫(yī)療行業(yè)帶來了前瞻性的成果展示，讓人們了解的最新技術在醫(yī)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(yī)療AI中的可解釋模型展開，廣泛涵蓋了醫(yī)療保健中的可解釋機器學習模型，對其系統(tǒng)的設計定義、差別、未來挑戰(zhàn)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(yī)療保健行業(yè)的深度學習而展開，由于電子的健康數(shù)據爆發(fā)式地增長和現(xiàn)今的機器學習、數(shù)據挖掘技術的演進，深度學習方法在醫(yī)療行業(yè)的分量也越來越重，所以，現(xiàn)場演講者集中探討了EHR數(shù)據、基本的深度學習方法及其在醫(yī)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(shù)據而進行，研究者們分享了他們在分析EHR數(shù)據的進展，如何利用數(shù)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(shù)據源、方法和案例研究，來指定各種新的數(shù)據挖掘方式，并將研究結果呈現(xiàn)給醫(yī)學專家。

KDD 2018舉行Health Day，可見人工智能、數(shù)據挖掘等信息技術對于醫(yī)學的影響也越來越深，Health Day激發(fā)了各個不同學科之間對于醫(yī)療健康方面的積極討論與合作，各方專家探討了醫(yī)學、物聯(lián)網數(shù)據等跨學科的合作方式、未來研究發(fā)展趨勢以及面臨的挑戰(zhàn)，這對于人工智能和醫(yī)療行業(yè)的結合意義非凡，未來勢必會給傳統(tǒng)醫(yī)療行業(yè)帶來實質性的改變。

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。