如何提升ICU的數據價值？
如何利用AI技術優化、解決更多的ICU領域問題？
當我研究的醫學課題中出現了大量數據該如何進行處理分析......
我不清楚醫學領域有哪些亟待解決的問題，無法確立一個好的課題項目；
建立模型、優化算法去處理醫療數據我很在行，但是對醫療專業知識的匱乏影響我的判斷......
看到這裏，你是不是也想說...將醫學從業者/專家與計算機專家、數據科學家、工程人員聚集到一起進行交流和研究啊！
是的，我們相信1+1＞2，並呼籲數據領域專家與ICU專家牽手，真正踐行“醫工結合”，更好的解決醫療大數據領域面臨的困難。在此背景下，解放軍總醫院、麻省理工學院（MIT）、清華數據科學研究院、《中國醫療設備》雜誌社、人民衛生出版社、北京市生理科學會急危重症專業委員會等單位將於10月27-28日共同主辦Datathon大賽暨國際醫療大數據學術研討會。
你將參與
活動從全國海選具有不同背景的臨牀、工程、數學、統計及計算機人員，使用去標識化的臨牀數據，在MIT的數據科學家和哈佛醫學院臨牀醫生的指導下，學習和體驗：
- 如何將臨牀問題轉化爲科研問題；
- 如何完成數據的提取、清洗和建模分析；
- 如何解釋和驗證結果；
- 由臨牀醫生、數據科學家、工程人員組成的多學科團隊如何分工協作等。
你將收穫
Datathon迄今已在全球組織了20場，往期活動中參會嘉賓都有豐富的收穫：基於開放數據庫MIMIC和eICU的研究成果很多發表在急危重症的頂級期刊如Chest、ICM、CCM、CC等，以及Lancent、JAMA、Nature等期刊，往屆Datathon的成果部分被國際會議收錄並做大會報告，部分投稿Chest、CC等雜誌。
會議詳情
在Datathon賽前，我們將舉辦國際醫療大數據學術研討會，爲醫學界、學術界和業界朋友提供一個跨學科交流的平臺，共同探討如何利用大數據分析技術解決當前臨牀個性化精準醫療和科研問題，歡迎ICU醫生/專家及社會各界研究醫療數據的朋友參與交流！（後附醫療Datathon大賽詳情）
【培訓時間】2018.10.27-28（週六、週日）
【培訓地點】中國人民解放軍總醫院
【參會人員】
- Datathon參賽人員；
- 對醫療大數據分析和應用感興趣的臨牀醫生、護士、數據科學家和數據工程師、計算機科學和軟件工程師以及學生；
- 對解決複雜醫療問題有興趣、有熱情，具有開放共享思維，樂於通過多學科團隊解決“真實世界”問題的人員。
【培訓目的】
- 介紹醫療大數據分析的基本流程和方法；
- 幫助臨牀⼈員瞭解如何基於醫療大數據開展研究，提出好的Datathon研究題目；
- 幫助工程人員瞭解如何參與大數據項目。
【培訓講師】
301醫⼯工算法團隊、臨牀專家、數據科學專家
【參考教材】
MIT課程HST.953: Collaborative Data Science in Medicine的教材：
《Secondary Analysis of Electronic Health Records》
【培訓議程】
10月27日
10月28日
醫療Datathon
醫生、計算機專家與數據科學家共享真實數據組隊比賽！醫療Datathon將真正打破跨界合作的藩籬：
- 如果你是臨牀醫生/專家，你將有機會上臺分享並提出醫學問題；
- 如果你是數據科學家/統計學家/工程師/計算生物學家，你將有機會選擇感興趣的問題與醫學專家互相組隊完成真實的醫學項目；
- 參賽者將使用主辦方提供的真實醫療數據，醫學/數據科學領域專家跨學科組建團隊，在短期內以小組競賽的形式利用真實醫療數據提出並完成臨牀研究項目。
本屆醫療Datathon詳情：
【活動時間】2018.11.30-12.2
【活動地點】301醫院門診樓409教室
【活動議程】
【專家簡介（部分）】
Roger Mark(MIT)，麻省理工學院醫學工程與科學研究所計算生理學實驗室主任，MIT健康科學與技術系和電子工程與計算機科學系的傑出教授。Dr. Mark的研究主要集中在生理信號處理、數據庫開發、心血管建模、重症監護決策支持和預測建模領域。1999年，他的團隊推出了由NIH支持的“PhysioNet”（複雜生理信號研究資源）平臺，爲研究者提供公開的高質量生理信號和相關信號處理軟件。他的團隊和其他人持續將收集的數據添加到PhysioNet網站，爲世界上成千上萬的研究工作提供了數據基礎。他的 “重症監護信息學”項目由NIH-資助，致力於從大量重症監護臨牀數據發現新的知識，提高重症監護中臨牀決策的效率、準確性和及時性。該項目催生了一個大型的公共可訪問的ICU數據庫（MIMIC-III數據庫），其中包含了來自6萬名重症監護病例的高分辨率臨牀數據。它已被添加到PhysioNet的數據庫中，該數據庫在世界範圍內目前已擁有超過5000名認證用戶。Dr. Mark自己的研究致力於建立可以訪問的生理和臨牀數據庫，並且堅定地致力於將這些研究數據集向全球研究人員免費開放共享。
Leo Anthony Celi (MIT, BIDMC) ，麻省理工學院醫學工程與科學研究所計算生理學實驗室臨牀研究主任，哈佛醫學院副教授。Celi博士是一名內科醫生，從事內科、傳染病和重症監護醫學方面的臨牀工作。他還擁有生物醫學信息學（MIT）和公共衛生（哈佛）的碩士學位，哈佛醫學院的副教授，也是麻省理工學院的首席研究科學家。指導實驗室所有跨學科臨牀研究，並指導許多在研究項目上與核心工程人員合作的年輕臨牀醫生。他每年有6周的時間在BIDMC的醫療重症監護室授課。在MIT教授兩門課程—HST.936全球衛生信息學以提高醫療質量，以及HST.953健康數據的二次分析，並努力將這門課程轉變爲edX下的大規模開放在線課程。他的研究興趣集中在數據挖掘和機器學習在大型數據庫中的應用。他運用BIDMC公開的去隱私的ICU數據庫-MIMIC數據庫進行研究。目前，他正在研究一個數據驅動的決策支持系統，即“Collective Experience”：（1）支持臨牀醫生查詢臨牀數據庫中記錄的類似病人，借鑑其他臨牀醫生的經驗（2）在相似的患者上開展模型分析。
徐華 (UTHealth)，UTHealth生物醫學信息學院教授，UTHealth 領導的計算生物醫學中心主任。Xu博士致力於研究生物醫學自然語言處理（NLP） 和醫療數據挖掘。在2013-2014年曾擔任美國醫學信息學協會（AMIA）NLP工作組主席。Xu博士發表了100多篇同行評審論文，其中包括NIH的多個R01，並擔任多項撥款的首席研究員。2014年，徐博士當選爲美國醫學信息學院的會員。目前是OHDSI（Observational Health Data Sciences and Informatics）中國主席，致力於基於OMOP（Observational Medical Outcomes Partnership）通用數據模型，推動醫療機構間的數據共享和利用工作。
Ngiam Kee Yuan (NUS)，新加坡國立大學醫療系統總首席技術官，新加坡國立大學醫院醫學信息副主任，他長期倡導將人工智能（AI）運用於醫療健康領域，並且在臨牀驗證中啓動了很多深度學習項目，爲整個NUHS集羣的臨牀部署做準備，以及通過新加坡國立大學計算機學院和Yong Loo Lin醫學院與伊利諾伊大學香檳分校（UIUC）等國際合作者之間展開廣泛的跨學科合作，通過先進的醫療技術支持社區醫療保健工作。Ngaim教授帶領團隊建立了DISCOVERY AI 平臺：一個推動研究-產品轉化的AI平臺，用於驗證先進的深度學習AI模型，鼓勵數據科學家與臨牀醫生間的合作。該平臺促進了跨學科合作，極大減少了先進模型的轉化時間，加速了醫療健康領域的技術創新。Ngaim在醫療數據分析領域有很多成果，發表了很多關於數據分析與人工智能技術的研究和應用文章，一項基於臨牀記錄的計算機自動診斷的專利已經獲得授權，近期研究成果在 2018年IEEE數據挖掘國際會議（ICDM）上發表。
朱軍 (清華大學)，清華大學計算機科學與技術系教授，卡內基梅隆大學計算機學院兼職教授。他的研究興趣是機器學習及其在文本和圖像分析中的應用。朱博士已經在國際著名會議和期刊上發表學術論文百餘篇。他曾擔任 ICML，NIPS，IJCAI，UAI，AAAI和 AISTATS領域主席，ICML 2014地區聯合主席。他獲得多個獎項，包括IEEE Intelligent Systems 雜誌評選的“AI’s 10 to Watch”，MIT TR35 China，國家優秀青年科學基金，CCF青年科學家獎和CCF自然科學一等獎。他的工作得到了“國家青年拔尖人才支持計劃”支持。