AAAI2022最新「时序数据处理」报告，127页PPT阐述时序数据处理以及医疗应用进展

时间序列数据集，如电子健康记录(EHR)和注册表，代表了跨越患者整个生命周期的有价值(但不完美)的信息源。从时间数据学习是一个成熟的领域，已经在以前的一些教程中介绍过，医疗领域提出了独特的问题和挑战，需要新的方法和思维方式。也许时间序列最常见的应用是预测。虽然我们将讨论疾病预测的最先进的方法，但我们也将关注时间序列中的其他重要问题，如事件时间或生存分析、个性化监测和治疗效果随时间的变化。这些主题将在医疗健康上下文中介绍，但它们对医学以外的其他领域具有广泛的适用性。此外，我们将探讨几个必要的特征，使人工智能和机器学习模型在临床环境中尽可能有用。我们将讨论自动机器学习，并解决理解和解释机器学习模型以及不确定性估计的挑战，这两者在高风险场景(如医疗保健)中都是至关重要的。我们的目标是获得最少的必要的先决知识。然而，我们将假定具有标准机器学习方法的基本知识(如MLPs、rnn)。虽然我们的教程将包括一些机器学习技术的详细解释，但重点将放在问题领域，他们独特的挑战，以及克服这些问题的思维方式。