学术期刊网 > 学术资讯 > 山东建筑大学郝凡昌副教授作为共同第一作者在《柳叶刀•数字医疗》发表学术

山东建筑大学郝凡昌副教授作为共同第一作者在《柳叶刀•数字医疗》发表学术

学术期刊网 学术资讯 2021-08-21

近日,学校计算机科学与技术学院机器学习与智慧城市数据挖掘创新团队核心成员郝凡昌副教授,参与完成的一项人工智能与生命科学交叉研究工作取得重大进展。相关成果发表在国际医学信息学排名第一的期刊《柳叶刀•数字医疗Lancet Digital Health》(影响因子24.519),山东大学许楠楠和山东建筑大学郝凡昌为本文共同第一作者,山东建筑大学为主要完成单位,齐鲁医院感染性疾病科王刚教授和美国MD Anderson W. Wang教授为论文的通讯作者。该成果主要研究急性发热感染诊断可采用的标志物及其效能。急性发热是目前各医院门诊的主要病症之一,如何有效区分急性发热疾病中的细菌感染和病毒感染对于合理用药、避免抗微生物药物的滥用、误用非常重要。传统的血常规、降钙素原等指标诊断效果不够理想,病原学检查对于急性发热患者时效性和性价比也欠佳,为解决上述问题,该成果把人工智能技术引入其中,通过该成果模型筛选出来的最佳转录水平标志物区分细菌感染和病毒感染准确率达到96%以上,显著高于降钙素原和C反应蛋白,其他应用指标也在较好范围。

该成果具有临床转化的巨大潜力。《柳叶刀•数字医疗》邀请了牛津大学的Daniel O'Connor教授同期发表评述文章“Host gene signature shows promise to distinguish bacterial and viral infections”对该成果进行了评价。Daniel O'Connor教授指出该成果提出的宿主转录标志物是感染诊断富有希望的方向,具有广阔的临床应用前景。成果由山东大学齐鲁医院感染性疾病科研究团队和我校机器学习与智慧城市数据挖掘创新团队联合完成。我校机器学习与智慧城市创新团队主要从事机器学习方法及其在智慧城市、生命科学和生物特征识别领域的应用研究。在该项成果中,我校团队的贡献主要有两个方面,一是根据业务流程研发了个性化数据处理系统,用于替代传统处理大规模数据的方式;二是把机器学习技术引入到临床诊断问题的模型构建与优化过程中,通过引入机器学习技术,有效提升区分细菌感染和病毒感染准确率。

郝凡昌副教授主要从事人工智能与生命科学和生物特征识别的交叉研究,,近年来在国内外高水平期刊和会议发表论文10余篇,主持完成省级项目1项、厅局级课题多项。该成果是计算机科学与技术学院近年来“人工智能+”研究的重要成果,对学科建设具有积极的助推作用。

山东建筑大学郝凡昌副教授作为共同第一作者在《柳叶刀•数字医疗》发表学术杂志位列学术资讯
广告位