食源性疾病是全球重要的公共衛(wèi)生和食品安全問題，近年來，食源性疾病呈現(xiàn)出跨區(qū)域傳播、變化快、難預(yù)測(cè)的特點(diǎn)。依托于國家重點(diǎn)研發(fā)計(jì)劃課題“基于多源數(shù)據(jù)的食源性疾病實(shí)時(shí)預(yù)警技術(shù)體系研究”，中國科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心大數(shù)據(jù)部將大數(shù)據(jù)和機(jī)器學(xué)習(xí)技術(shù)與食源性疾病預(yù)測(cè)的實(shí)際需求進(jìn)行深度融合，在該交叉領(lǐng)域取得多項(xiàng)研究成果，相關(guān)研究成果分別發(fā)表在Food Control、Foodborne Pathogens and Disease和JMIR Medical Informatics上。
食源性疾病致菌是導(dǎo)致食源性疾病的主要原因，使用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)的方法挖掘食源性疾病因素之間潛在的關(guān)聯(lián)，從而對(duì)致病菌進(jìn)行識(shí)別，能夠?qū)κ吃葱约膊〉脑\療起到輔助作用。課題組提出了一種利用機(jī)器學(xué)習(xí)來識(shí)別食源性疾病致病菌的方法，從空間、時(shí)間、患者信息、暴露食品等方面提取特征，使用合適的機(jī)器學(xué)習(xí)模型來對(duì)特征進(jìn)行訓(xùn)練和學(xué)習(xí)，從而對(duì)重要的食源性疾病致病菌進(jìn)行識(shí)別，以對(duì)食源性疾病的診療提供輔助支持。進(jìn)一步，針對(duì)食源性疾病發(fā)病情況的時(shí)空預(yù)測(cè)問題，課題組提出了基于多圖結(jié)構(gòu)化LSTM的時(shí)空風(fēng)險(xiǎn)預(yù)測(cè)模型，該模型能夠通過構(gòu)造多種空間相關(guān)性并進(jìn)行動(dòng)態(tài)融合，利用基于Encoder-Decoder的結(jié)構(gòu)化LSTM模型同時(shí)對(duì)數(shù)據(jù)的時(shí)間依賴性和空間依賴性進(jìn)行建模，實(shí)現(xiàn)對(duì)疾病風(fēng)險(xiǎn)的多步預(yù)測(cè)。相關(guān)研究成果發(fā)表在JMIR Medical Informatics上。
食源性疾病暴發(fā)是指發(fā)生兩例及以上具有共同暴露和癥狀相似的食源性疾病病例，目前，食源性疾病報(bào)告監(jiān)測(cè)系統(tǒng)基于篩選規(guī)則來發(fā)現(xiàn)疑似食源性疾病暴發(fā)事件，但該方法普遍存在誤判的現(xiàn)象。為了進(jìn)一步提高暴發(fā)識(shí)別和預(yù)測(cè)的準(zhǔn)確性，課題組設(shè)計(jì)出一種基于機(jī)器學(xué)習(xí)的食源性疾病暴發(fā)識(shí)別模型。在識(shí)別暴發(fā)的同時(shí)分析各類特征和致病因素對(duì)判別結(jié)果的影響，這對(duì)醫(yī)學(xué)工作者具有借鑒意義。相關(guān)研究成果發(fā)表在Foodborne Pathogens and Disease上。
基于上述系列研究成果，課題組發(fā)現(xiàn)大數(shù)據(jù)與機(jī)器學(xué)習(xí)技術(shù)可以在病例報(bào)告、疾病診斷、暴發(fā)識(shí)別和風(fēng)險(xiǎn)預(yù)測(cè)階段，改善現(xiàn)有的食源性疾病監(jiān)控系統(tǒng)，并在此基礎(chǔ)上總結(jié)出機(jī)器學(xué)習(xí)驅(qū)動(dòng)的食源性疾病監(jiān)控系統(tǒng)框架，以促進(jìn)未來對(duì)食源性疾病監(jiān)測(cè)系統(tǒng)做出更智能的改進(jìn)。相關(guān)研究成果發(fā)表在Food Control上。
圖1.食源性疾病時(shí)空風(fēng)險(xiǎn)預(yù)測(cè)模型架構(gòu)
圖2.基于機(jī)器學(xué)習(xí)方法的食源性疾病暴發(fā)優(yōu)化
日期：2021-07-29
食源性疾病致菌是導(dǎo)致食源性疾病的主要原因，使用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)的方法挖掘食源性疾病因素之間潛在的關(guān)聯(lián)，從而對(duì)致病菌進(jìn)行識(shí)別，能夠?qū)κ吃葱约膊〉脑\療起到輔助作用。課題組提出了一種利用機(jī)器學(xué)習(xí)來識(shí)別食源性疾病致病菌的方法，從空間、時(shí)間、患者信息、暴露食品等方面提取特征，使用合適的機(jī)器學(xué)習(xí)模型來對(duì)特征進(jìn)行訓(xùn)練和學(xué)習(xí)，從而對(duì)重要的食源性疾病致病菌進(jìn)行識(shí)別，以對(duì)食源性疾病的診療提供輔助支持。進(jìn)一步，針對(duì)食源性疾病發(fā)病情況的時(shí)空預(yù)測(cè)問題，課題組提出了基于多圖結(jié)構(gòu)化LSTM的時(shí)空風(fēng)險(xiǎn)預(yù)測(cè)模型，該模型能夠通過構(gòu)造多種空間相關(guān)性并進(jìn)行動(dòng)態(tài)融合，利用基于Encoder-Decoder的結(jié)構(gòu)化LSTM模型同時(shí)對(duì)數(shù)據(jù)的時(shí)間依賴性和空間依賴性進(jìn)行建模，實(shí)現(xiàn)對(duì)疾病風(fēng)險(xiǎn)的多步預(yù)測(cè)。相關(guān)研究成果發(fā)表在JMIR Medical Informatics上。
食源性疾病暴發(fā)是指發(fā)生兩例及以上具有共同暴露和癥狀相似的食源性疾病病例，目前，食源性疾病報(bào)告監(jiān)測(cè)系統(tǒng)基于篩選規(guī)則來發(fā)現(xiàn)疑似食源性疾病暴發(fā)事件，但該方法普遍存在誤判的現(xiàn)象。為了進(jìn)一步提高暴發(fā)識(shí)別和預(yù)測(cè)的準(zhǔn)確性，課題組設(shè)計(jì)出一種基于機(jī)器學(xué)習(xí)的食源性疾病暴發(fā)識(shí)別模型。在識(shí)別暴發(fā)的同時(shí)分析各類特征和致病因素對(duì)判別結(jié)果的影響，這對(duì)醫(yī)學(xué)工作者具有借鑒意義。相關(guān)研究成果發(fā)表在Foodborne Pathogens and Disease上。
基于上述系列研究成果，課題組發(fā)現(xiàn)大數(shù)據(jù)與機(jī)器學(xué)習(xí)技術(shù)可以在病例報(bào)告、疾病診斷、暴發(fā)識(shí)別和風(fēng)險(xiǎn)預(yù)測(cè)階段，改善現(xiàn)有的食源性疾病監(jiān)控系統(tǒng)，并在此基礎(chǔ)上總結(jié)出機(jī)器學(xué)習(xí)驅(qū)動(dòng)的食源性疾病監(jiān)控系統(tǒng)框架，以促進(jìn)未來對(duì)食源性疾病監(jiān)測(cè)系統(tǒng)做出更智能的改進(jìn)。相關(guān)研究成果發(fā)表在Food Control上。
圖1.食源性疾病時(shí)空風(fēng)險(xiǎn)預(yù)測(cè)模型架構(gòu)
圖2.基于機(jī)器學(xué)習(xí)方法的食源性疾病暴發(fā)優(yōu)化
日期：2021-07-29
