Haberler KDD, tıbbi bakımın geleceğini değiştirmek için yapay zeka ve veri madenciliğinin nasıl kullanılacağını tartışan Sağlık Günü'nü ilk kez başlattı KDD 2018
20 Ağustos'ta, Londra yerel saatiyle, ACM SIGKDD (Bilgi Keşfi ve Veri Madenciliği Konferansı) resmi olarak Londra'da açıldı ve AI Technology Review de büyük olay hakkında rapor vermek için sahneye geldi.
KDD 2018, AI Technology Review'in açılış makalesinde bahsedilen Derin Öğrenme Günü ve Sağlık Günü de dahil olmak üzere bu yıl birkaç yenilikçi inovasyon gündemi başlattı.
Bunlar arasında, Derin Öğrenme Günü, ACM SIGKDD tarafından ilk kez düzenlenen eksiksiz bir derin öğrenme gündemi olup, derin öğrenmedeki en son gelişmeleri iletmek için bir platform sağlamayı amaçlamaktadır.Ayrıca tartışılan içerik, cilt gibi dikkat edilmesi gereken birçok yeni konuyu da kapsamaktadır. Ürün sinir ağlarının en son araştırma yöntemleri vb.
Sağlık Günü, sağlık sektöründeki yapay zeka ve makine öğreniminin geliştirme eğilimlerini ve zorluklarını tartışmak için yapay zeka ve makine öğrenimi alanındaki birçok uzmanı bir araya getiriyor. Tartışma, sağlık sektöründe makine öğrenimi ve diğer teknolojilerin uygulanmasını ve yeni olanları kapsıyor. Teknolojiler ve yöntemler ile bu uygulamaların geliştirme süreci ve zorlukları, teknolojiler.
AI Technology Review, olay yerinde Sağlık Günü'ne katıldı ve tıbbi teknolojide yapay zeka ve makine öğreniminin uygulanmasındaki güncel eğilimleri dinledi.
KDD'deki Sağlık Günü alanları, biyoinformatik, epidemiyoloji, genomik ve sağlık hizmetleri gibi tıp endüstrisindeki birçok popüler konuyu kapsar.
Sağlık Günü 20 Ağustos sabah saat 8'de başlıyor Tüm gündemde 3 atölye ve 3 öğretici yer alıyor.
Üç atölye arasında "epiDAMIK: Epidemiyoloji Veri Madenciliği ve Bilgi keşfiyle buluşuyor", "Tıp ve Sağlık Hizmetleri için Makine Öğrenimi Çalıştayı" ve "Biyoinformatikte Veri Madenciliği Çalıştayı (BIOKDD 2018)" bulunmaktadır.
Bunlar arasında, epiDAMIK'in çalıştayı esas olarak salgın hastalıkların veri madenciliği kapsamını ve yeni araçların yakalanmasını tartışıyor. Son on yılda SARS ve Ebola gibi bulaşıcı hastalıkların dünya üzerinde çok büyük etkisi oldu ve bu da insanların salgın karşısında kendilerini güçsüz hissettiğini gösteriyor.Bu yüzden insanların salgını kontrol altına almak için daha iyi yöntemler geliştirmesi gerekiyor. Bunun nedeni, bu yöntemler arasında veri madenciliği ve bilgi keşfinin bu alanda önemli bir rol oynayabilmesidir.Örneğin bulaşıcı hastalıkları modellemek bunlardan biridir. Veri madenciliği ve makine öğrenimi araştırmacıları, epidemiyoloji ve halk sağlığı gibi çeşitli geleneksel disiplinlerin çapraz araştırma verilerini analiz ederek ve kontrol ederek birçok temel sorunu çözmek için yeni araçlar geliştirebilirler.Gelecekte, bu araçlar enfeksiyonun üstesinden gelmek ve önlemek için kullanılacaktır. Çalışmam çok önemli bir rol oynayacak.
"Tıp ve Sağlık Hizmetleri için Makine Öğrenimi Çalıştayı" nda, esas olarak sağlık hizmetlerinde makine öğrenimi modeline odaklanıyor. Bunlar arasında, Amerika Birleşik Devletleri Georgia Institute of Technology'den Profesör Jimeng Sun konuşmasında iki karmaşık model tanıttı, biri YBÜ'deki sonuç tahmin modeli ve diğeri kalp yetmezliği fenotipi Ana tartışma modelin doğruluğu ve yorumlanabilirliği hakkındadır. Ödünleşmeler arasında. Geleneksel veri yöntemleri ile gelecekteki araştırma eğilimleri arasındaki farkı açıklar. Kings College, İngiltere, Londra Üniversitesi'nden Dr. Daniel Bean, hastaların klinik olaylarını tahmin etmek ve açıklamak için büyük ölçekli halka açık verileri ve sağlık kayıtlarını birleştiren bilgi grafiklerine dayalı makine öğrenimi geliştirme yöntemini paylaştı.
"Biyoinformatikte Veri Madenciliği Çalıştayı (BIOKDD 2018)" temel olarak veri madenciliği ve biyomedikal bilişim üzerine odaklanmaktadır. Çalıştayın tamamı veri bilimi, biyotıp ve sağlık bilişimine odaklanmaktadır. Büyük veri çerçeveleri, veri görselleştirme, etkili veri madenciliği ve makine öğrenimi yöntemleri, çok sayıda heterojen ve karmaşık biyolojik verileri ve klinik verileri analiz eder ve biyoinformatik ve sağlık bilişiminde yenilikçi uygulamalara sahiptir.
Üç ana atölye çalışması, mevcut tıp endüstrisine ileriye dönük sonuçlar getirerek, insanların tıp alanındaki en son teknolojinin uygulamasını ve gelecekteki eğilimlerini anlamasına olanak tanıdı.
Üç eğitici "Sağlık Hizmeti Yapay Zekası için Açıklanabilir Modeller", "Hesaplamalı Sağlık Hizmetleri için Derin Öğrenme" ve "Kohortlardan Bilgi Keşfi, Elektronik Sağlık Kayıtları ve Hastayla ilgili diğer veriler" olmak üzere üç temayı içerir.
İlk Öğretici, sağlık hizmetlerinde çok çeşitli yorumlanabilir makine öğrenimi modellerini kapsayan tıbbi yapay zekadaki yorumlanabilir modellere odaklanır. Sistemin tasarım tanımı, farklılıkları ve gelecekteki zorlukları ayrıntılı olarak tartışılır. Eğitici ayrıca, Yorumlanabilir makine modellerinin nasıl konuşlandırılacağı ve pratik kullanımı araştırıldı.
İkinci eğitim esas olarak sağlık sektöründeki derin öğrenmeye odaklanmaktadır.Elektronik sağlık verilerinin hızlı büyümesi ve makine öğrenimi ve veri madenciliği teknolojisinin mevcut evrimi nedeniyle, derin öğrenme yöntemleri sağlık sektöründe giderek daha fazla önem kazanmaktadır. Bu nedenle canlı konuşmacılar EHR verilerine, temel derin öğrenme yöntemlerine ve bunların sağlık alanındaki uygulamalarına odaklandı.
Üçüncü eğitim konusu, esas olarak EHR elektronik sağlık büyük verilerinin madenciliğine odaklanmaktadır. Araştırmacılar, EHR verilerini analiz etme konusundaki ilerlemelerini, verilerin hastanın durumunu tahmin etmek, advers ilaçları tespit etmek, advers reaksiyonları tespit etmek vb. Çeşitli yeni veri madenciliği yöntemlerini belirlemek ve araştırma sonuçlarını tıp uzmanlarına sunmak için madencilik veri kaynakları, yöntemleri ve vaka çalışmaları.
KDD 2018 Sağlık Günü düzenlendi.Yapay zeka, veri madenciliği ve diğer bilgi teknolojilerinin tıp üzerindeki etkisinin giderek derinleştiği görülüyor.Sağlık Günü, çeşitli disiplinler arasında tıp ve sağlık konularında aktif tartışmaları ve işbirliğini canlandırdı.Her taraftan uzmanlar tıbbı tartıştı. Nesnelerin İnterneti verileri, gelecekteki araştırma geliştirme eğilimleri ve zorluklar gibi disiplinlerarası işbirliği yöntemleri, yapay zeka ve tıp endüstrisinin birleşimi için büyük önem taşıyor.Gelecek, geleneksel tıp endüstrisine önemli değişiklikler getirecek.
