主题：大模型与医学数据
时间： 2023年11月14日上午
主办：中国中医科学院
承办：中国中医科学院医学实验中心
协办：中医药防治重大疾病基础研究北京市重点实验室
支持： 蔻享学术直播平台
日程
前沿论坛之“解读中医药原理的前沿技术”将采用网络直播形式，连续举办多场，每场将邀请相关领域的学术大咖为大家解读新技术新方法的最新进展及应用，敬请关注。
第25场主题：大模型与医学数据
2023年11月14日
主持：汪南玥研究员 中国中医科学院医学实验中心 四诊信息研究室
09:00-09:10 樊新荣主任医师 中国中医科学院医学实验中心主任 致辞
主题发言：构建基于大语言模型和中医四诊客观诊断设备辅助决策平台的几点设想
09:15-09:50 黄大威 原贝尔实验室基础科学研究院（中国） 教授
主题发言：国产大模型ChatGLM的研究进展与应用
09:50-10:25 许斌 清华大学计算机系 研究员
主题发言：中医药科学数据平台建设及应用
10:25-11:00 赵屹 中科院计算所 研究员
主题发言：医学人工智能应用与数据挖掘
11:00-11:35 任爽 北京交通大学 副教授
黄大威（Dawei Huang）
教授级高工，前美国朗讯科技贝尔实验室中国基础科学研究院执行总监。曾兼任中国中医科学院客座研究员，中国科学院系统科学研究所访问研究员，清华大学信息技术研究院指导委员会委员。在中医复杂性数据的客观分析方面具有良好的基础与背景，将为中医四诊客观化研究的提供技术支持。
主题发言：构建基于大语言模型和中医四诊客观诊断设备辅助决策平台的几点设想
内容简介：在中医四诊中，“问”可能是最主要的。“望、闻、切”提供了较为客观的对患者病情的判断，然而只有通过问，才有可能把全部信息综合起来，经过验证得到比较确定的病理，从而给出治疗方案。
“问”也是最能够体现一个医生的经验的。然而，一个有经验的中医医生的培养不是很容易的，不仅要经过中医药大学的长时间学习和训练，还要有丰富的临床经验。
大语言模型的出现，使得人机交流大为改善。但要与专业结合，我们建议使用一种动态对话树的接口，来构建如下的中医问诊平台：利用大语言模型对话询问患者病症，穿插数字化望闻切诊断，综合两者后根据中医辅助系统演绎出病理症侯，最后给出治疗方案。
展望未来，基于大语言模型和中医四诊客观化设备的中医智能辅助决策系统是解决中医人才培养、中医远程诊疗、中医诊疗水平地区分布不均、家庭端个性化医疗养生的有效工具。
许斌
清华大学计算机系研究员，博士生导师，国家“万人计划”科技创新领军人才。曾任清华大学全球创新学院副院长，现任中国计算机学会计算机应用专委会主任。主要从事人工智能、知识图谱和大模型方面的研究，主持多项国家科研项目，担任中国计算机学会第38届中国计算机应用大会主席，是科技情报挖掘与服务系统AMiner与国产大模型ChatGLM的主要研制人之一。先后获得国家科技进步二等奖、中国人工智能学会科技进步一等奖、北京市科技进步一等奖等多个奖项。
主题发言：国产大模型ChatGLM的研究进展与应用
内容简介：ChatGLM是一系列由清华大学开发的国产大模型之一，其性能在不断优化中，不仅在语言处理方面有出色的表现，还可以原生支持工具调用、代码执行、游戏、数据库操作、知识图谱搜索与推理、操作系统等复杂场景。与一些需要大量显存的模型不同，ChatGLM可以在配备6GB显存的笔记本电脑上部署使用。因此，其实用性和易用性上都展现出了很大的优势。
ChatGLM在医药数据处理方面的研究进展，包括如何利用ChatGLM进行医药数据的文本挖掘、知识图谱构建等任务，利用ChatGLM对医学文献进行语义分析，提取关键信息，辅助医药研究人员进行新药发现和药物研发。讨论ChatGLM在医药领域的应用场景，如医药问答系统、医药知识图谱的构建与应用等。了解ChatGLM在医药数据处理方面的研究现状和未来发展趋势，为医药领域的研究和应用提供参考和启示。
赵屹
中科院计算所研究员、博导；四川大学华西医院特聘教授；湘雅二院特聘教授；天津肿瘤医院特聘教授。从事多组学数据、临床数据挖掘及人工智能算法研究。European Research Council非编码基因领域基金评审人；国际RNA联盟中方专家成员；Frontiers in genetics(影响因子4.1)编委，Frontiers in Plant Science(影响因子3.678)编委；Genomics Protomeics Bioinformatics(影响因子7.8)编委；Cancers(影响因子6.6), Biology(影响因子5.1)杂志Topic Editor-in-Chief；高校教材《分子诊断学》第3/4版编委；中国人口学会出生人口与儿童专业委员会副主任委员；中国人工智能学会生物信息学与人工生命专业委员会委员；中华医学会心血管病学分会精准心血管病学学组委员。
主题发言：中医药科学数据平台建设及应用
内容简介：HERB数据库是一个专门针对中药的高通量科学实验和参考数据库，旨在为中医药现代化和现代药物发现提供数据支持。传统上，评估活性分子效应通常使用细胞模型和动物模型进行功能试验，当前已经可以通过高通量技术来识别治疗或扰动作用来研究整个转录组的变化。CMap是此类最大的现代药物数据库，包括转录组水平的扰动数据集，该数据集包含九个细胞系及上万个具有良好注释的小分子的扰动前后转录组数据。此外，还有其他类似的数据可从国际公开发表的数据库中获得，例如GEO。最近，这种转录组学效应数据集的应用爆炸式增长，已经改变了药理学领域，能帮助研究人员迅速找到治疗疾病的潜在化合物。HERB数据库对1037个中药/成分的高通量实验评估的6164个基因表达谱进行了重新分析，并通过将HERB中完整的药理转录组学数据集映射到CMap，建立了中药/成分与2837种现代药物之间的联系。HERB数据库将为中医药现代药物发现的药理研究提供有力的数据支持，并有助于全面了解化合物的分子效应，从而有助于候选药物筛选和药物发现。此外，利用这些大数据，结合当前快速发展的人工智能模型，是的通过模型来预测药物功能、药物重定位成为可能。
任爽
北京交通大学计算机与信息技术学院博士生导师，兼任中国机电一体化技术应用协会数字孪生分会秘书长、中国运筹学会智能计算分会常务理事、中国职业安全健康协会应急产业服务分会副秘书长、信息技术新工科产学研联盟虚拟现实教育工委会常务委员、中国图学学会网络图形学专委会委员、中国指挥与控制学会城市大脑专委会委员、中国卫星导航定位协会北斗与元宇宙融合应用专委会智库专家、北京物联网智能技术应用协会智库专家。
主题发言：医学人工智能应用与数据挖掘
内容简介：
“医学人工智能应用与数据挖掘”是一个涉及医学、人工智能和数据科学等多个领域的交叉主题。主要探讨如何利用人工智能技术和数据挖掘方法来改善医学领域中的诊断、治疗和管理等方面的工作，从而提高医疗服务的效率和质量。医学人工智能应用 是利用机器学习、深度学习等技术来辅助医生进行诊断、治疗和管理的一种新型医疗方式。通过对大量医学数据进行分析和学习，从中提取出有价值的信息，从而为医生提供更多的决策支持。而数据挖掘是一种利用统计学、机器学习等技术从大量数据中提取有价值信息的过程。在医学领域，数据挖掘技术可以应用于病历数据挖掘、医学文献挖掘、医学图像挖掘等多个方面。例如，通过病历数据挖掘，可以发现潜在的疾病风险因素，预测疾病发展趋势，评估治疗效果等。这些信息可以为医生提供更多的决策支持，帮助他们更好地诊断和治疗疾病。将人工智能技术和数据挖掘方法应用于医学领域中，以改善医疗服务的质量和提高医生的工作效率。同时，这个主题还涉及到如何处理医学数据隐私保护、算法可解释性等问题，以及如何评估人工智能应用和数据挖掘技术的可靠性和有效性。
