「機械学習の研究を支援するための医療データのロック解除」
現代の医療システムは大量のデータを生成します。 このような大規模リポジトリは、高度な機械学習で活用して医学やヘルスケアに関する既知の知識や理解を生み出すことができる、豊富で多様なデータを提供します。 しかしながら、ヘルスケアデータの利用可能性および有用性を機械学習コミュニティ全体に限定する根本的な障壁が存在する。 この講演では、そのようなデータリソースを作成し、機械学習コミュニティと実りあるパートナーシップを構築する際の基本的な課題について概説します。 MIMICデータベースを使用したケーススタディを紹介し、得られた教訓について説明します。

機械学習の進歩は、階層的介入のための疾患サブタイプの発見から診療所訪問の間のセルフケアを支援する個別の相互作用の開発まで、より正確なヘルスケアへの新たな道を切り開いています。 医学が診断の治療から治療のメカニズムへとピボット化するにつれて、よりインテリジェントな表現型解析と頻繁なインタラクションの必要性が機械学習とAIを脚光を浴びています。 この講演では、異質現象が存在する疾患を明確にするための確率論的モデリングの適用による、内部表現型の発見のための柔軟なフレームワークを紹介します。 この戦略により、統一されたモデリングフレームワーク内で複数の情報源から情報を集約できる、より個別化されたヘルスケアへのアプローチを開発することができます。 提示された研究は、特定の臨床的背景の中で動機づけされるだろう。