近日，深蘭科學院智能科學首席科學家黃智生教授及其所帶領(lǐng)的科研團隊與同濟大學團隊，北京工業(yè)大學團隊等合作，在國際醫(yī)學信息科學頂尖學術(shù)會議“HIS 2023”上接連發(fā)表了六篇論文（其中有兩篇論文的第一作者是黃教授本人）。

10月下旬，黃教授還率8人科研團隊參會出席了在澳大利亞墨爾本舉行的“HIS 2023”會議，并在大會現(xiàn)場當場宣讀論文并作大會報告。

“HIS”是國際衛(wèi)生信息科學大會的簡稱，是一個在全球衛(wèi)生信息科學領(lǐng)域享有盛譽的頂級學術(shù)會議，也是一個傳播和交流計算機科學/信息技術(shù)以及衛(wèi)生科學和服務(wù)的多學科研究成果的論壇，每年都會收到大量的業(yè)內(nèi)論文投稿，但會議正式論文的接收率僅為23%。

今年的“HIS 2023”在澳大利亞的墨爾本召開，是該國際會議的第12屆。本屆“HIS”大會所接受的論文課題將信息科學研究與衛(wèi)生信息系統(tǒng)和衛(wèi)生服務(wù)的建模、設(shè)計、開發(fā)、集成和管理等相關(guān)主題結(jié)合，內(nèi)容涵蓋了衛(wèi)生信息科學的所有方面以及支持衛(wèi)生信息管理和衛(wèi)生服務(wù)提供的系統(tǒng)。

此次，黃教授及其團隊投稿的六篇論文分別是

《Exploring Etiology of Nonsuicidal Self-Injury by Using Knowledge Graph Approach》

《Towards Cognition-Emotion-Behavior Models of Nonsuicidal Self-injury: An Knowledge Graph Approach》

《Analysis on Association between Vascular Risk Factors and Lifestyle Factors with the risk of Dementia/Alzheimer’s Disease using Medical Ontologies》

《Home Self-medication Question Answering System for the Elderly Based on Seq2Seq Model and Knowledge Graph Technology》

《A Question and Answering System for Mental Health of the Elderly Based on BiLSTM-CRF Model and Knowledge Graph》

《Understanding the Influence of Multiple Factors on the Spread of Omicron Variant Strains via the Multivariate Regression Method》

在“HIS 2023”大會現(xiàn)場，黃教授還作了1個小時的題為《Tree Hole Rescue：An AI Approach for Suicide Risk Detection and Online SuicideIntervention》的主題報告，詳細介紹了有關(guān)人工智能技術(shù)在“樹洞救援“項目中的應用，報告得到了在場的與會專家和學者的廣泛好評。在場的一位澳大利亞教授評價道，中國人工智能企業(yè)在“AI+醫(yī)學信息科技領(lǐng)域應用”上已經(jīng)取得很大的進展，對于能夠聽到這樣一個既充滿了技術(shù)內(nèi)容，又能弘揚慈善愛心的科學報告而感到十分幸運。

主要的4篇論文的基本情況

論文一：

Exploring Etiology of Nonsuicidal Self-Injury by Using Knowledge Graph Approach

在這篇論文中，團隊提出了一種采用知識圖譜辦法分析非自殺性自傷自殘的病因?qū)W的分析方法。該論文通過文獻挖掘與自然語言處理及其語義標注的方法，針對自傷的不同行為與心理狀態(tài)的關(guān)聯(lián)，進行了語義分析與推理。通過這個分析，可以得知非自殺性自傷行為與精神狀態(tài)之間的各種復雜關(guān)系：焦慮和孤獨癥是導致自傷行為的最相關(guān)心理狀態(tài)，孤獨癥是撞頭行為的最主要原因，抑郁和壓力會導致咬自己的行為。

論文二：

Towards Cognition-Emotion-Behavior Models of Nonsuicidal Self-injury: An Knowledge Graph Approach

這篇論文采用知識圖譜方法，團隊提出了一種面向非自殺性自殘的認知-情緒-自傷行為的關(guān)聯(lián)模型。基于這個模型，可以分析這些特定患者的認知與情緒，情緒與自傷行為，及其認知與自傷行為乃至這三者之間的關(guān)聯(lián)關(guān)系，并推導出其因果關(guān)系。

論文三：

Analysis on Association between Vascular Risk Factors and Lifestyle Factors with the risk of Dementia/Alzheimer’s Disease using Medical Ontologies

在這篇論文中，團隊采用醫(yī)學本體工程方法對失智癥、老年癡呆癥患者的心血管風險與生活方式的關(guān)聯(lián)關(guān)系進行了分析，得出的結(jié)論是采取健康的生活方式，似乎可以減輕VRFs對癡呆/AD發(fā)病的不良影響。使用標準化的醫(yī)學本體SNOMED CT，是能夠進一步了解VRF與健康之間的關(guān)系，而良好的生活方式可以降低癡呆癥/AD的患病率。

論文四：

A Question and Answering System for Mental Health of the Elderly Based on BiLSTM-CRF Model and Knowledge Graph

在這篇論文中，團隊介紹了面向居家老人的用藥問答系統(tǒng)。通過收集大規(guī)模的用藥問答數(shù)據(jù)集，然后對數(shù)據(jù)進行人工篩選，可以獲取老年人心理健康問答數(shù)據(jù)集。在此數(shù)據(jù)集的基礎(chǔ)上，結(jié)合老年人神經(jīng)病學相關(guān)的語義數(shù)據(jù)，構(gòu)建了老年人心理健康知識圖譜系統(tǒng)，并采用了人工智能方法，為老年人心理咨詢相關(guān)問題提供知識服務(wù)。實驗結(jié)果表明，系統(tǒng)可以有效了解老年用戶的提問意圖，在回答老年人心理健康相關(guān)問題時，具有良好的準確性和可靠性問題，有助于解決老年人的心理健康服務(wù)需求。