青年科学家论坛

俞声副教授

报告题目：开放医学知识图谱工程与数据驱动的建造技术

时间：周六，12月04日，10:00-11:30am

个人简介： 俞声是清华大学统计学研究中心副教授，博士毕业于乔治华盛顿大学，博士后期间在哈佛大学公共卫生学院及医学院i2b2组从事医学自然语言处理及表型提取研究。俞声开发的电子病历自然语言处理系统被美国哈佛医学院、麻省总医院、布莱根妇女医院、退伍军人医学中心等顶尖医学研究机构使用，至今已分析电子病历数亿篇次。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个提高到每年超过1000个，并应用于Veteran Affairs “Million Veteran Program”等美国国家级精准医学研究项目；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、无监督中文医学术语发现、医学机器翻译等一系列技术。

摘要： 医学知识图谱既是医学大数据处理和人工智能建模的基础，也为全行业提供数据、算法、产品互用互通的交换标准，是医疗大数据和人工智能领域最重要的公共基础设施。由于历史、认知、科研体制等多重原因，我国缺乏一个开放和全面的公共医学知识图谱，严重拖累我国医疗大数据和人工智能的发展。因此，我们决定利用机器学习与数据科学技术，用相对有限的资源为中国快速建造一个面向人工智能和全球化的医学知识图谱。本报告将介绍我们的开放医学知识图谱工程以及其相关数据驱动的建造技术，包括中英文的医学术语发现技术、知识决定的术语向量化与正则化技术、高通量医学关系提取技术以及医学神经机器翻译技术。

况琨教授

报告题目：因果推断和因果可解释稳定学习

时间：周六，12月04日，14:30-16:00pm

个人简介： 况琨，浙江大学计算机学院副教授，人工智能系副主任。2019年获得清华大学计算机科学与技术专业博士学位，2017-2018年访问美国斯坦福大学。获2020年度中国人工智能学会优秀博士学位论文提名奖。主要研究方向包括因果推理、人工智能、因果指导的可信机器学习，关注机器学习的可解释性、稳定性、公平性和可决策性。在数据挖掘和机器学习领域已发表近40余篇顶级会议和期刊文章，包括KDD、ICML、ICCV、MM、AAAI、TKDE、TKDD、Engineering等。曾担任 ICML, NIPS, KDD, CVPR, ICCV, AAAI, IJCAI, CIKM, ICDM等国际学术会议程序委员会委员。

摘要： 机器学习方法在很多领域都取得了巨大的成功，但大多缺乏可解释性和稳定性。因果推理是一种用于解释性分析的强大建模工具，能支持当前机器学习做出可解释且稳定的推理。在本次报告中，我们主要围绕因果推断和因果约束的机器学习进行分享。面向医疗等复杂高维大数据，传统因果推断方法面临一下新挑战：(1) 高维和噪声变量，以及 (2) 连续/复杂干预变量。为了应对这些挑战，我们提出了分解表示反事实回归 (DeR-CFR) 模型和生成对抗性去混淆 (GAD) 算法。此外，通过将因果推理与机器学习相结合，我们为许多任务提出了一系列因果正则化方法，实现了因果约束的可解释稳定学习，可应用于医疗健康等领域任务和应用。

常江教授

报告题目：食管癌的分子标志物研究

时间：周六，12月04日，16:15-17:45am

个人简介： 华中科技大学公共卫生学院教授、博士生导师，国家级青年人才。中国抗癌协会肿瘤病因学专业委员会委员、中国环境诱变剂学会理事、中国遗传学会青年委员会委员。长期致力于我国高发恶性肿瘤的分子标志物研究，擅长通过大样本、多组学的整合分析，鉴定通过遗传和环境交互作用促进癌变的关键分子并阐明其生物学机制，助力我国肿瘤的精准防控，以第一/通讯作者在Nat Genet、Gut、Nat Commun等领域内高影响力期刊发表研究成果20余篇，获得2020年度中国肿瘤青年科学家奖。

摘要：敬请期待