基于多视角学习和注意力的特征选择算法

从海量且包含噪声的数据中挑选出关键性的特征,即特征选择,一直是机器学习任务中的重要挑战.鉴于此,提出了基于多视角表征学习和注意力机制的特征选择方法.首先,该算法通过多实例生成器为每个样本生成实例包,同时采用特殊的填补方式来保证特征位置不变性.其次,多视角表征模块从多个视角挖掘特征的自身信息及交互信息,并利用注意力机制模块为这些表征计算贡献度权重,最后,分类网络利用权重化表征进行分类.实验结果表明:该模型可以为每个标签挑选出最具代表性的特征群,并在不同类型数据集上取得了性能提升.

基于中医临床诊疗数据的真实世界及人工智能研究思路与挑战

随着真实世界研究方法学的进步和人工智能技术的成熟,以中医诊疗数据为基础,开展“定量”研究指导临床实践的方法正在逐步形成,但在研究总体设计、临床转化等方面仍需进一步完善。提出基于中医临床诊疗数据的真实世界及人工智能研究的总体设计思路及应用方法,包括5个步骤:建设高质量大样本的具有中医特色的研究型数据库、核心处方的挖掘及分类、队列研究评价核心处方疗效、病例对照研究明确优势人群、建立预测模型实现精准医疗。此外,研究人员还需要建立标准化的中医变量采集和数据处理体系,优化混杂因素的确定及测量方法,进一步完善及推广方法学,加强跨学科人才的培养。真实世界研究与人工智能研究的研究基础相似,临床应用互补,未来将是二者的融合。

人工智能技术在辅助中医诊疗及诊疗标准化中的应用

中医诊疗标准化是中医药发展的重要保障,但以临床实践指南为核心的中医药标准化成果在临床应用时常面临困难,原因包括中医辨证论治主观性强、患者信息采集时缺少客观测量方法及客观指标、中医诊疗过程存在大量隐性知识等。基于人工智能技术的智能诊断系统和临床决策支持系统可为辅助中医诊疗及中医诊疗标准化工作提供新思路。一方面可借助中医智能诊断系统客观测量患者的中医四诊信息,辅助临床医生标准化诊断,推动中医诊断标准化的发展;另一方面能够建立症状群与药物群之间的网络关系,实现个体化治疗方案的推荐,促进中医治疗标准化的发展。建议未来人工智能技术应用于中医诊疗标准化研究中,应制定合适的结构化或半结构化病历,加强人工智能技术在数据采集中的应用,高效准确地采集患者信息;完善疗效评价体系,探索个体化疗效评价方法并评估人工智能技术的有效性和安全性;进一步探索符合中医诊疗特色的人工智能系统及数学模型。