NIPSNov, 2013

走向临床数据智能的新科学

PDF
TL;DR本文定义了临床数据智能为临床例行工作中生成的数据的分析，旨在改善患者护理。同时，提出了临床数据智能的科学定义，并提出其需要知识工程、信息提取和统计和统计机器学习等技术的共同努力。并阐述了其在大数据分析和两所德国大学医院的研究项目中的主要成果和猜测。
发现论文，激发创造
  • 个性化医疗中数据处理和利用的人工智能方法

    本文主要介绍了人工智能技术在医学领域中的应用，即基于大数据和机器学习的个性化医疗决策支持，以提供更好的医疗健康支持服务。

    Jul, 2022

  • 手术数据科学 -- 从概念到临床翻译

    通过对外科数据科学领域的当前实践、取得的关键成就和倡议、可用标准和工具以及已有 SDS 产品和学术翻译成果的综合评估，本文开展了关于外科数据科学的综述。

    Oct, 2020

  • 生物和医学数据集成的机器学习：原理、实践和机遇

    本综述介绍了多种技术在生物医学领域上的成功应用，讨论了数据整合的原则、当前方法和可用的实现，探讨了综合方法的挑战和未来发展方向。

    Jun, 2018

  • 证据推断 2.0：更多数据，更好的模型

    本文讨论如何利用 NLP 技术快速分析大量的疾病治疗相关的文章，以便于有效地整理出临床试验结果，并希望以此为基础构建出一个比较不同治疗方法的数据库，方便医生进行治疗决策。同时，本文还介绍了一个被称为 Evidence Inference 的公开数据集，该数据集包括了很多描述临床试验的文献，可以用于相关研究。

    May, 2020

  • 通过自然语言处理和深度学习在电子健康数据分析中的进展

    医疗环境中存在大量且多样化的数据，然而仅有少部分文本化电子健康数据被处理和解释，这导致了大数据操作的困难，研究致力于分析医疗领域的术语、自然语言处理和深度学习技术，以期提出相关解决方案。

    Jan, 2024

  • DataCI: 一个用于流式数据的数据中心人工智能平台

    DataCI 是一个为动态流数据场景下的数据中心人工智能而设计的全面开源平台，提供了 API、版本控制等丰富的功能，具有易用性和高效性，并有望在流数据背景下改革数据中心人工智能的实践。

    Jun, 2023

  • 医疗保健中的深度学习：详细分析

    本文综述了深度学习模型及其在生物信息学和医疗保健领域中的广泛应用，涵盖了不同结构的 DL 模型，并讨论了进行 DL 研究时可能遇到的一些关键挑战。

    Feb, 2023

  • 面向用户的慢性健康状况管理的人工智能分析

    人工智能分析在健康信息学中的应用迅速增长，并侧重于管理慢性健康状况，如糖尿病、肥胖等，面临着各种挑战，特别是在无药物干预方面由于个体情况的差异。这些差异导致了以用户为中心的研究方法，并涉及各种研究问题。本论文通过最近和当前的研究工作提供例子，并总结我们认为的下一步和一些待解决的研究问题。

    Jan, 2024

  • 基于人工智能的体外临床试验：综述

    本文系统综述了三个主要主题：临床模拟，个体化预测建模和计算机辅助试验设计，重点关注机器学习在这些应用中的应用，讨论了 AI 在实际应用中 in silico 试验的挑战和机遇。

    Sep, 2022

  • TrialBench: 多模态人工智能准备的临床试验数据集

    通过提供 AI-ready 多模式数据集和 8 个重要的临床试验设计预测挑战，本研究解决了医疗数据收集和试验设计对人工智能应用的障碍，以促进临床试验研究与医疗解决方案的发展。

    Jun, 2024