基于大语言模型实现精准临床预测和决策支持 | 周日直播·生物医学大模型读书会

导语

随着医疗数据量的爆炸式增长和人工智能技术的发展,机器学习在改善医疗决策和优化临床方案中展现出巨大应用潜力。本次将由即将成为南加州大学（USC）计算机科学系助理教授的刘芮杉老师分享基于机器学习的临床试验优化框架,通过模拟和优化实现更具个性化和效率的方案设计。纽约大学在读博士蒋瑶将聚焦大规模医疗语言模型在多种临床预测任务中的应用。

集智俱乐部联合西湖大学助理教授吴泰霖、斯坦福大学计算机科学系博士后研究员王瀚宸、博士研究生黄柯鑫、黄倩，华盛顿大学博士研究生屠鑫明，共同发起以“大模型与生物医学”为主题的读书会，共学共研相关文献，探讨基础模型在生物医学等科学领域的应用、影响和展望。读书会从2023年8月20日开始，每周日早上 9:00-11:00 线上举行，持续时间预计8周。欢迎对探索这个激动人心的前沿领域有兴趣的朋友报名参与。

机器学习在临床试验设计和精准医学中的应用

当医学进入崭新的时代，我们的使命是深刻理解患者的遗传信息、医疗历史以及个体独特的特征，以协助确定最佳的个性化治疗方案。遗传学领域的进展和大规模健康数据的不断增加为实现精准医学提供了前所未有的机遇。然而，目前仍然只有极少数个体化治疗方法得以问世——最近的一项美国调查显示，只有8%的癌症患者有已知的基因定向疗法。主要的障碍包括：生物医学领域缺乏足够有效的大数据处理和解释工具，以及将科研成果转化为临床实践的困难，其中包括缓慢而昂贵的临床试验。
本次交流， 我们将探讨机器学习如何使精准医学更加有效和多样化。
首先，我们将聚焦于优化临床试验设计的计算框架——Trial Pathfinder。通过模拟医疗记录中的临床试验数据，实现优化临床试验的招募标准的目的。Trial Pathfinder为更具包容性的试验设计提供支持，并借助人工智能进行数据估值。
在第二部分，我们将深入研究如何充分利用大规模医疗数据来识别精准肿瘤医学的遗传标志物。我们将探讨如何构建基于患者肿瘤基因组的计算模型，寻找潜在的生物标志物，以预测患者在常见癌症类型中接受特定治疗方案的效果。

大纲

• 精准医疗与临床试验设计现状与挑战

• Trial Pathfinder: 优化临床试验设计的计算框架

• 精准肿瘤医学与大数据的模型框架与实习应用

• 未来展望

医疗系统规模的大语言模型

——临床预测瑞士军刀

在医疗领域，每一天医生们都需要做出紧迫而重要的决策。而临床预测模型，正如同一把瑞士军刀一样，能够为医生和医院管理者提供了强有力的支持，帮助他们预测临床和运营事件。
传统基于结构数据的模型由于数据处理、建模和应用的复杂性，在实际工作中的应用受到限制。然而，蒋遥所在的研究团队观察到，电子健康记录（EHR）中的非结构化病历文档为培训医疗语言模型提供了宝贵资源，这使得这些模型成为多用途、低阻模型和实际应用的理想选择。
在这项研究中，蒋遥所在的研究团队利用了最新的自然语言处理技术，训练了一款名为“NYUTron”的大型医疗语言模型，然后通过微调，将其应用于多个临床和运营任务。她们的研究重点关注了五个关键任务，包括30天全因再入院预测、院内死亡预测、合并症指数预测、住院长度预测以及保险不报销预测。令人振奋的是，NYUTron在这些任务中的AUC值高达78.7%到94.9%，相较于传统结构模型，性能提升幅度在5.36%到14.7%之间。
此外，蒋遥所在的研究团队还突出了医疗语言预训练的附加好处，包括提高了模型的泛化性能，并通过前瞻性单臂试验展示了其在实际应用中的完整应用潜力。这些结果揭示了医疗语言模型在与医生协作进行即时诊断方面的巨大潜力，从而为医疗领域的未来发展带来了崭新的希望。

大纲：

• 传统模型的限制和挑战

• 临床预测模型：瑞士军刀般的支持 

•  NYUTron大型医疗语言模型的技术框架

• NYUTron在医疗工作中的应用：5个关键任务

•  医疗语言模型的未来展望

主讲人介绍

刘芮杉，将于2024年春季入职南加州大学（USC）计算机科学系助理教授。她于2022年在斯坦福大学获得电子工程博士学位，目前是斯坦福大学生物医学数据中心的博士后研究员。她的研究领域涉及机器学习与人类疾病、健康和基因组学应用的交叉领域。系列研究成果在Nature, Nature Medicine 等期刊，ICML，ICLR等会议发表。她负责的项目“Trial Pathfinder”被评选为2022年十大临床研究成就，并入围2021年全球制药奖的最终候选。
蒋遥（Lavender Jiang)，本科毕业于卡内基梅隆大学，主修电气与计算机工程以及数学科学。目前是纽约大学的数据科学二年级博士研究生，由Eric Oermann和Kyunhyun Cho共同指导。她的研究方向是利用自然语言处理进行临床预测，同时也担任纽约大学朗格尼医疗中心（NYU Langone Health）的医学研究员。她的研究领域包括表示学习（representation learning），同时也是OLAB和ML2的成员。

参与方式

活动时间

2023年10月15日（本周日）上午 10:00-12:00

线上会议室

扫码参与大模型与生物医学读书会，加入群聊，获取系列读书会回看权限，成为大模型与生物科学读书会的种子用户，与社区的一线科研工作者与企业实践者沟通交流，共同推动AI+Science社区的发展。

扫码参与大模型与生物医学读书会，加入群聊，获取系列读书会回看权限，成为大模型与生物科学读书会的种子用户，与社区的一线科研工作者与企业实践者沟通交流，共同推动AI+Science社区的发展。

所涉及到的参考文献

• Jiang, L.Y., Liu, X.C., Nejatian, N.P. et al. Health system-scale language models are all-purpose prediction engines. Nature (2023). • Liu, Ruishan, et al. “Evaluating eligibility criteria of oncology trials using real-world data and AI.” Nature (2021).• Liu, Ruishan, et al. “Systematic pan-cancer analysis of mutation–treatment interactions using large real-world clinicogenomics data.” Nature Medicine (2022).

大模型与生物医学：

AI + Science第二季读书会启动

生物医学是一个复杂且富有挑战性的领域，涉及到大量的数据处理、模式识别、理论模型建构和实验验证等问题。AI基础模型的引入，使得我们能够从前所未有的角度去观察和理解这个领域的问题，加速科学研究的步伐，提高医疗服务的效率和效果。这种交叉领域的合作，标志着我们正在向科技与生物医学深度融合的新时代迈进，对于推动科学研究、优化医疗服务、促进人类健康有着深远的影响。
集智俱乐部联合西湖大学助理教授吴泰霖、斯坦福大学计算机科学系博士后研究员王瀚宸、博士研究生黄柯鑫、黄倩，华盛顿大学博士研究生屠鑫明，共同发起以“大模型与生物医学”为主题的读书会，共学共研相关文献，探讨基础模型在生物医学等科学领域的应用、影响和展望。读书会从2023年8月20日开始，每周日早上 9:00-11:00 线上举行，持续时间预计8周。欢迎对探索这个激动人心的前沿领域有兴趣的朋友报名参与。

详情请见：

大模型与生物医学：AI + Science第二季读书会启动

AI+Science 读书会

AI+Science 是近年兴起的将人工智能和科学相结合的一种趋势。一方面是 AI for Science，机器学习和其他 AI 技术可以用来解决科学研究中的问题，从预测天气和蛋白质结构，到模拟星系碰撞、设计优化核聚变反应堆，甚至像科学家一样进行科学发现，被称为科学发现的“第五范式”。另一方面是 Science for AI，科学尤其是物理学中的规律和思想启发机器学习理论，为人工智能的发展提供全新的视角和方法。
集智俱乐部联合斯坦福大学计算机科学系博士后研究员吴泰霖（Jure Leskovec 教授指导）、哈佛量子计划研究员扈鸿业、麻省理工学院物理系博士生刘子鸣（Max Tegmark 教授指导），共同发起以“AI+Science”为主题的读书会，探讨该领域的重要问题，共学共研相关文献。欢迎对探索这个激动人心的前沿领域有兴趣的朋友报名参与。

详情请见：人工智能和科学发现相互赋能的新范式：AI+Science 读书会启动

点击“阅读原文”，报名读书会