糖尿病P4智能管理及多源异构大数据融合研究

Diabetes mellitus (DM) seriously threatens the health of over 110 million people in China. The annual DM related expenditure accounts for 13% of the total medical expenses in our country, and more than 1.3 million people die from DM complications each year. Big data-driven intelligent research and application are the key to advance P4 (i.e., Predictive, Preventive, Personalized, and Participatory management) health management of diabetes mellitus. This project aims at addressing the following core research challenges: (1) establishing a three-tiered systematic framework including raw data, knowledge discovery and decision making to comprehensively solve the domain-specific problems and data-processing challenges such as data conflict, high dimensionality, redundancy, and feature sparse problems, which are introduced by DM intelligence management and multi-source heterogeneous data fusion in pursuit of P4 objectives; (2) improving the accuracy of prediction and prevention of diabetic complications through development of temporal causal relationship discovery model and cost sensitive multi-view model, addressing the physicians’ need for causal relationships and cost sensitive decision support in healthcare; (3) improving the personalized and automated diabetes management by establishing an action mining-based intelligent framework integrated with knowledge discovery. In this project, the three-tier systematic framework and overall technological innovation would effectively promote the P4 intelligent management of DM, and would lay a key technical foundation for health management.

糖尿病严重威胁我国1.1亿多居民健康，支出占我国医疗全部费用的13%，每年并发症致死达130万人。大数据智能研究应用是推进糖尿病健康的预测性、预防性、个性化、参与性（医疗健康领域称为P4）管理技术和水平的关键。本项目针对如下核心问题展开研究：（1）建立原始数据、知识发现、预测决策三层体系框架，从整体解决糖尿病智能健康管理及多源异构大数据融合在实现P4目标所面临的医疗健康特殊需求和数据冲突、高维、冗余、时序和稀疏性等问题；（2）建立时序因果关系发现模型与代价敏感多视角模型提升糖尿病并发症预测和预防的精准性，解决医疗领域根据因果关系判断和正误诊疗代价不平衡的特殊需求；（3）建立知识发现与智能决策集成框架提升糖尿病管理的个性化和自动化智能管理水平。项目实现的三层体系框架及整体技术创新可望有效推进糖尿病P4管理技术和水平，为医疗健康相关领域的智能管理奠定关键技术基础。

糖尿病是重大慢性病，并发症众多，严重威胁我国超过1.3亿患者生命健康。本项目通过大数据智能技术实现预测性、预防性、个性化、参与性（P4）医疗，以提升糖尿病管理质量和提高智能化水平。主要研究内容包括：（1）建立原始数据、知识发现、预测决策三层体系框架，以整体解决实现糖尿病P4医疗所面临的多源异构大数据融合、医疗分析特殊需求以及数据冲突、高维、冗余、时序和稀疏性等问题；（2）建立包含时序因果关系发现、代价敏感、个性化建模、亚组发现、迁移学习、多视图学习等的糖尿病并发症风险精准预测和知识挖掘技术体系；（3）建立知识发现与智能决策集成框架挖掘重要且可改变的风险因素及干预效果，通过可行动知识挖掘策略实现干预策略智能构建，通过集成策略解决数据和模型差异导致的知识发现冲突。项目通过国内外合作获得十余家医疗机构近十年超百万份电子病历的访问权，提取超过2万个特征支撑多中心研究；跨界关联微观生物和药物数据，融合21万条药物作用小分子、10万种晶体结构药物靶标、22G高通量测序、14万条人体交互作用等多源异构数据。项目重要成果包括：（1）主持人入选2020年爱思唯尔“中国高被引学者”；（2）研究模型多中心迁移性能变化机制，建立模型可迁移性计量模型，这是AI迁移学习探索电子病历问题发表在Nature/Science及子刊级别全球第1篇文章；（3）整合个性化建模、亚组发现、迁移学习等技术，有效提升模型在异质数据的可迁移性和特征交互作用分析的效率，在20个亚组上均超过或接近当前最优的32个模型；（4）大规模调研医院了解医患需求，建立糖尿病智能管理云平台和健康管理联盟，在社区、大学等开展应用示范。本项目实现的三层体系框架及整体技术创新有效推进了糖尿病P4管理技术和水平，为医疗健康智能管理奠定关键技术基础，对AI医疗推广有重要价值。