清華新聞網(wǎng)6月21日電 國(guó)際表征學(xué)習(xí)會(huì)議（ICLR，International Conference on Learning Representations）是機(jī)器學(xué)習(xí)領(lǐng)域最負(fù)盛名的三大頂級(jí)國(guó)際會(huì)議之一。為了推動(dòng)機(jī)器學(xué)習(xí)技術(shù)在醫(yī)療健康領(lǐng)域的發(fā)展，國(guó)際表征學(xué)習(xí)會(huì)議2021發(fā)起了機(jī)器學(xué)習(xí)預(yù)防和防止流行病（MLPCP，Machine Learning for Preventing and Combating Pandemics）全球挑戰(zhàn)賽。電子系吳及教授課題組參加了機(jī)器學(xué)習(xí)預(yù)防和防止流行病挑戰(zhàn)賽的疾病自動(dòng)診斷對(duì)話(huà)系統(tǒng)(Dialogue system for medical diagnosis)賽道，在全球73支參賽隊(duì)伍中奪得第一名。參賽成員主要為實(shí)驗(yàn)室工程師尤心心、實(shí)習(xí)生楊雪、博士生劉喜恩和吳及教授。
獲獎(jiǎng)證書(shū)
本次比賽要求研發(fā)的疾病自動(dòng)診斷對(duì)話(huà)系統(tǒng)能夠在有限的對(duì)話(huà)輪數(shù)內(nèi)，與患者進(jìn)行智能對(duì)話(huà)從而收集有關(guān)癥狀，并進(jìn)一步基于已知癥狀進(jìn)行自動(dòng)疾病診斷。這將有助于在大規(guī)模人群中快速定位疑似患者，減輕流行性疾病防治任務(wù)帶來(lái)的社會(huì)負(fù)擔(dān)。該研究課題存在很大挑戰(zhàn)，對(duì)于推動(dòng)醫(yī)學(xué)文本的理解，基于醫(yī)學(xué)知識(shí)的推理，以及醫(yī)學(xué)人工智能的應(yīng)用具有重要理論意義和廣闊應(yīng)用前景。
自動(dòng)診斷對(duì)話(huà)系統(tǒng)
吳及課題組在智慧醫(yī)療領(lǐng)域深耕多年，研究成果突出。其團(tuán)隊(duì)2017年研發(fā)的“智醫(yī)助理”醫(yī)考機(jī)器人以高分通過(guò)國(guó)家執(zhí)業(yè)醫(yī)師資格考試綜合筆試；2018年參加國(guó)際文本檢索評(píng)測(cè)會(huì)議(2018 TREC)精準(zhǔn)醫(yī)療評(píng)測(cè)奪得總分第一名。本次在國(guó)際表征學(xué)習(xí)會(huì)議2021機(jī)器學(xué)習(xí)預(yù)防和防止流行病挑戰(zhàn)賽的疾病自動(dòng)診斷賽道再次奪得第一名，證明了其團(tuán)隊(duì)在醫(yī)療健康人工智能方向深厚的技術(shù)積累。利用機(jī)器學(xué)習(xí)技術(shù)進(jìn)行疾病的疾病問(wèn)診和診斷能力不斷成熟，未來(lái)有望廣泛應(yīng)用于醫(yī)療健康咨詢(xún)、輔診診斷等實(shí)際應(yīng)用場(chǎng)景，助力“健康中國(guó)2030”國(guó)家戰(zhàn)略發(fā)展。
供稿：電子系
編輯：李華山
審核：李晨暉
