Как объединить в одной модели клинические таблицы, снимки, тексты, временные ряды и генные сети? Новая лекция на нашем канале: «Интеграция разнородных данных в биомедицинских исследованиях: от молекул в выдохе до топологии мозга».
Лектор — Александр Юрьевич Суворов, главный биостатистик Департамента аналитики и научного прогнозирования Сеченовского Университета, научный сотрудник Института персонализированной кардиологии Центра «Цифровой биодизайн и персонализированное здравоохранение», эксперт ННАДМ.
О чём лекция
Современные исследования дают данные очень разной природы, и главный вопрос — как связать их между собой. В лекции разобраны методологические и математические основы такой интеграции: от статистической индукции Р. Фишера и регуляторных требований (ICH, ГОСТ Р ИСО 14155-2022) до машинного обучения на графах.
Пять ключевых типов данных
- табличные клинические записи;
- медицинские изображения;
- неструктурированные тексты;
- временные ряды физиологического мониторинга;
- сетевые структуры — генные сети и коннектом мозга.
Как универсальный язык интеграции предложены графовые нейронные сети (GNN) и механизм передачи сообщений (Message Passing).
Высокая размерность при малых выборках
Отдельно разобраны методы для данных высокой размерности при малых выборках:
- снижение размерности — PCA, NMF;
- отбор предикторов — LASSO, Stability Selection, SHAP.
На примерах из генетики, фармакокинетики и токсикологии показано, почему биомедицинские модели должны быть объяснимыми, робастными и этичными.
Для кого
Исследователи, биостатистики, специалисты по анализу данных и все, кто работает на стыке медицины, биоинформатики и ИИ.
Где прозвучала лекция
Лекция прозвучала на научном семинаре «Доказательная медицина и прозрачность исследований» (СНО ИТМО × ННАДМ): страница семинара.
Смотреть лекцию
Презентация
Презентация лекции любезно предоставлена спикером — она в посте на нашем Telegram-канале. Спасибо, Александр Юрьевич!