AI+医疗专场：AI在医疗领域中的应用、挑战和前景 | 第16届中国R会议暨2023X-AGI大会
第16届中国R会议暨2023X-AGI大会将于2023年11月25-30日在中国人民大学召开，本次会议由中国人民大学统计学院、中国人民大学应用统计科学研究中心、统计之都、原灵科技和中国商业统计学会人工智能分会（筹）主办，由中国人民大学统计学院数据科学与大数据统计系承办，得到宽德投资、明汯投资、和鲸科技、子博设计赞助支持，将以线上会议和线下会议相结合的方式举办。
欢迎进入中国R会议暨2023X-AGI大会官网，获取更多会议信息！
链接：https://china-r.cosx.org/bj2023/index.html
更多详情：统计之都公众号菜单栏点击“最新活动”->“最新R会”
下面为您奉上本次中国R会议暨2023X-AGI大会AI+医疗专场演讲介绍，本会场主席为周静。
AI+医疗专场
时间：2023年11月25日 下午13:30-15:05
会议地点：
线下：中国人民大学立德楼802
线上：点击阅读原文或扫描下方二维码
会场内容介绍
影像组学及其在临床中的应用
董迪
个人简介：
董迪，中国科学院自动化研究所研究员，博导，基金委优青；北京癌症防治学会胃癌防治专业委员会常务委员,全国医学影像领域学者论文学术影响力排名(2012~2021) Top 100学者，2022年全球前2%高引用科学家，中国图象图形学会“青年科学家”获得者，全国胃癌学术大会“未来科学家”，国家科技部重点研发计划青年科学家项目负责人。长期从事肿瘤人工智能分析的研究工作，近年来在医学领域主流SCI期刊Annals of Oncology (SCI IF: 50.5，2篇)，European Respiratory Journal (SCI IF: 24.3)等上发表论文100余篇，ESI Top 1%高被引论文12篇，谷歌H因子53，研究被纳入《中国临床肿瘤学会CSCO胃癌诊疗指南》。
报告摘要：
近年来人工智能方法的迅速发展和医学影像数据的急剧增长催生了医工交叉领域的影像组学技术。影像组可从计算机断层扫描成像（CT），正电子发射断层扫描成像（PET）、磁共振成像（MRI）、超声成像（US）等影像大数据中挖掘出反映疾病分子细胞水平改变的高维量化信息，并融合临床信息进行疾病的辅助诊断、疗效评估和预后预测，在临床诊疗领域显示出广阔的应用前景。
影像组学在肿瘤方面的应用较多，比如辅助胃癌隐匿性腹膜转移判断、肺癌免疫治疗疗效评估、鼻咽癌预后预测等。此外，影像组学还被应用于肝纤维化分期诊断、孕早期胎儿唐氏筛查等非肿瘤的诊断中。这些典型应用显示影像组学可以利用现有影像数据，辅助提高诊疗效果，从而使患者获益。影像组学的临床应用呈现百花齐放的同时，影像组学新方法的探索也在不断推进，其中以影像病理融合、裸数据智能分析等为代表的新方法不断涌现。
本报告主要围绕影像组学新技术及其在临床中的应用进行介绍，从影像组学背景、影像组学应用、影像组学关键技术三个方面展开。在典型应用方面，将介绍影像组学在疾病诊断、疗效评估、以及预后预测等方面的临床应用；在关键技术方面，将详细介绍近两年新出现的影像组学新方法。
大模型在知识图谱建设中的应用
俞声
个人简介：
清华大学统计学研究中心长聘副教授，博士生导师，研究生教学主管，国家青年拔尖人才获得者。俞声长期从事医学自然语言处理、人工智能与电子病历分析技术研究。俞声开发的电子病历自然语言处理系统被10个国家和地区的医学研究机构使用。俞声发明的高通量表型提取技术使i2b2疾病表型识别算法开发速度从每年1-2个疾病提高到每年超过1000个疾病，并应用于“Million Veteran Program”等美国国家级精准医学研究项目以及多家医院的生物样本库建设；该系列论文获评医学信息学顶刊JAMIA的编辑选择奖、国际医学信息学学会2019年年鉴最佳论文奖，并按标准化生物医学实验方法发表于Nature Protocols。归国后，俞声获得多项国家基金和人才项目支持，带领团队围绕中文电子病历和智能诊疗发展了高通量知识图谱构建、电子病历分析、生物医学机器翻译、临床诊断决策支持等一系列技术，并与IDEA研究院合作，指导开发了大规模开放生物医学知识图谱BIOS，为医疗行业大数据处理与人工智能开发建立公共基础。
报告摘要：
大型语言模型的出现带来了自然语言处理乃至更广泛的人工智能能力的大幅跃升。在全自动生物医学知识图谱建设中，同义术语识别和关系提取作为建造图谱的点和边的关键技术，一直以来都存在着难以突破的天花板，其症结在于这些问题的判断必须结合所涉及对象的复杂的背景知识。大模型以参数形式隐式承载的庞大的知识量，为突破这些难题提供了关键助力。本报告结合世界最大的单体生物医学知识图谱BIOS的建造，分别介绍通过对术语相关知识进行对比学习从而实现3500万条术语按同义词聚类的工作，和利用大模型做深层次阅读理解实现高准确率医学关系提取的工作。
一种集成3D CNN模型用于肺腺癌的病理亚型识别
周静
个人简介：
周静，中国人民大学统计学院副教授、博士研究生导师，应用统计科学研究中心研究员，中国现场统计研究会统计交叉科学研究分会常务理事，北京大学光华管理学院博士，研究方向为网络数据建模、人工智能在肺癌诊疗中的应用、医学图像分析等，在Npj digital medicine, BIBM, Journal of Business & Economic Statistics，Statistic Sinica，Computational Statistics and Data Analysis，Neurocomputing，Science China Mathematics等nature子刊，统计学权威期刊发表论文二十余篇，授权发明专利3项，著有专著《社交网络数据：理论与实践》一本，主编两本深度学习教材《深度学习：基于Pytorch的实现》、《深度学习：从入门到精通》，主持国家自然科学基金（青年、面上）、北京市社会科学基金、国家统计局重大、重点等多项国家级、省部级以上课题。
报告摘要：
肺癌一直是全球威胁人类健康最常见的癌症之一，它也是导致癌症相关死亡的主要原因，约占全部癌症相关死亡的18%。本研究从实际的临床问题出发，系统解决了在临床实践中，肺结节诊断的三个重点问题。分别是：
1、结节是良性的还是恶性的？该问题的解决能回答患者要不要做手术的问题。
2、如果结节是恶性的，这是一个浸润前的病变还是浸润性的病变？该问题的解决能回答患者，可以选择什么时候做手术。
3、如果是浸润性的病变，那么它的风险等级是什么？（例如是高分化、中分化还是低分化），该问题的解决能回答患者，如果手术，可以采取何种手术方式。
我们将以上三个问题称之为肺结节诊断的3W问题（Whether，When and Which），为了解决以上问题，本研究提出了一个三阶段的EMV-3D-CNN模型。我们的模型在诊断良/恶性结节和浸润前病变/浸润性病变方面分别获得了91.3%和92.9%的AUC。尤其值得注意的是，我们的模型在浸润性腺癌的风险分级预测方面要优于影像科医生的判断，准确率达到了77.6%（即对浸润性腺癌进行的高、中、低分化三个分类）。最后，为了方便医生和患者访问，我们将提出的模型实现为基于Web的系统（https://seeyourlung.com.cn）。
基于人工智能的M蛋白血症辅助诊断系统
张晨
个人简介：
张晨，清华大学工业工程系副教授。主要研究方向为基于统计学与人工智能的工业数据分析，包括复杂数据，如函数型数据、高维变量数据、网络数据、时间序列数据等的建模、因果推断与在线监控算法，研究成果发表在IISE Transactions, Journal of Quality Technology, IEEE Transactions，SIGKDD，AAAI，IJCAI等。研究成果获得美国质量协会ASQ、国际工业系统工程协会IISE、电气与电子工程师协会IEEE、运筹学和管理学研究协会INFORMS最佳论文奖十余项，获得教育部科学技术进步二等奖。主持完成国家自然科学基金项目2项、省部级和企业课题10余项，入选中国科协青年人才托举工程。
报告摘要：
M蛋白是诊断浆细胞疾病的重要指标，其检测主要通过免疫固定电泳(IFE)技术来实现。IFE图像中致密带的特征决定了M蛋白的分型结果，传统的诊断依赖于医学专家的专业判读，具有较高的人力成本和主观性误差。为了解决这些问题，本项目开发了基于人工智能的M蛋白计算机辅助诊断系统，基于IFE图像和临床指标数值两种异构的数据，提出多模态自监督学习算法。该算法首先利用掩码自编码器对无标签图像进行预训练，并使用有标签图像进行参数微调，然后通过特征工程对指标数值进行预处理并构造相关系数矩阵，再采用卷积神经网络提取特征，最后对两种模态的信息化特征进行融合，挖掘了不同模态之间特征的互补性。算法在真实大规模数据集上得以验证，取得了非常好的诊断结果。
线下参与
本会场将线上线下同步进行，线下会场位于中国人民大学，线上会场为学说直播平台。线下参会者需要扫描下方二维码报名。欢迎各位线上线下的朋友共同参会！
关于会议
主办方：
中国人民大学统计学院
中国人民大学应用统计科学研究中心
统计之都
原灵科技
中国商业统计学会人工智能分会（筹）
赞助方：
宽德投资
明汯投资
和鲸科技
子博设计
联系方式
公众号：统计之都
会议邮箱：[email protected]
统计之都：专业、人本、正直的中国统计学社区。
关注方式：扫描下图二维码。或查找公众号，搜索 统计之都 或 CapStat 即可。
往期推送：进入统计之都会话窗口，点击右上角小人图标，查看历史消息即可。
微信扫码关注该文公众号作者