如何挖掘医疗数据？看这份KDD2021《异构医疗数据挖掘》教程，附Slides

来源：专知

本文为教程，建议阅读5分钟 
我们将介绍最先进的深度学习方法及其实际应用，特别关注于探索不同类型医疗数据的独特特征。

ACM SIGKDD（国际数据挖掘与知识发现大会，简称 KDD）是世界数据挖掘领域的最高级别的学术会议，由 ACM 的数据挖掘及知识发现专委会（SIGKDD）主办，被中国计算机协会推荐为 A 类会议。自 1995 年以来，KDD 已经连续举办了26届。

随着异构医疗数据和先进的机器学习和数据挖掘技术(特别是深度学习方法)的爆炸式发展，我们现在有机会在医疗保健领域有所作为。在本教程中，我们将介绍最先进的深度学习方法及其实际应用，特别关注于探索不同类型医疗数据的独特特征。上半部分将用于介绍挖掘结构化医疗数据方面的最新进展，包括计算表型、疾病早期检测/风险预测和治疗建议。在下半部分，我们将专注于针对非结构化医疗数据的挑战，并介绍自动化ICD编码的高级深度学习方法、可理解的医学语言翻译、临床试验挖掘和医学报告生成。本教程适用于对将深度学习方法应用到医疗保健领域感兴趣的学生、工程师和研究人员，前提知识很少。本教程将以开放式问题和问答环节结束。

https://sites.psu.edu/kdd2021tutorial/

目录:

• Introduction to Electronic Healthcare Records
• Various types of EHR data
• Different applications and challenges
• Part I: Mining structured health data
• Phenotyping
• Disease detection/Risk prediction
• Treatment recommendation
• Part II: Mining unstructured health data
• Automated ICD coding /Disease classification
• Understandable medical language translation
• Medical report generation
• Clinical trial mining
• Conclusion and Future Outlook

讲者

参考文献

[1] Inci M Baytas, Cao Xiao, Xi Zhang, Fei Wang, Anil K Jain, and Jiayu Zhou. 2017. Patient subtyping via time-aware lstm networks. In SIGKDD. 65–74.

[2] Siddharth Biswal, Cao Xiao, Lucas M. Glass, Elizabeth Milkovits, and Jimeng Sun. 2020. Doctor2Vec: Dynamic Doctor Representation Learning for Clinical Trial Recruitment. In AAAI. 557–564.

[3] Siddharth Biswal, Cao Xiao, Lucas M Glass, Brandon Westover, and Jimeng Sun. 2020. CLARA: Clinical Report Auto-completion. In The Web Conference. 541– 550.

[4] Pengfei Cao, Yubo Chen, Kang Liu, Jun Zhao, Shengping Liu, and Weifeng Chong. 2020. HyperCore: Hyperbolic and Co-graph Representation for Automatic ICD Coding. In ACL. 3105–3114.