【KDD2019|讲座推荐】药物发现与开发的数据挖掘方法：Data Mining Methods for Drug Discovery and Development

讲座题目

药物发现与开发的数据挖掘方法：Data Mining Methods for Drug Discovery and Development

讲座简介

医学中的硅模型是指直接使用计算方法来支持药物的发现和开发。机器学习和数据挖掘方法已经成为硅模型的一个组成部分，并且在药物发现和开发过程的各个阶段都显示出了良好的性能。在本教程中，我们将介绍数据分析方法在药物研发中的应用。上半年，我们将概述相关数据和分析任务，然后介绍这些任务的启用数据分析方法。下半部分，我们将描述这些任务的具体应用。本教程将以开放式问题和问答环节结束。

讲座嘉宾

Cao (Danica) Xiao 是IQVIA卓越分析中心的机器学习主任。她正带领IQVIA的北美机器学习团队推动下一代医疗人工智能。她的团队致力于各种疾病建模和硅化药物建模项目（例如，药物不良反应检测、药物重新定位和从头设计）。她的研究重点是使用机器学习和数据挖掘方法来解决各种现实世界的医疗挑战。特别是，她对电子健康记录上的表型、硅化药物建模中的数据挖掘、生物标记物发现和神经退行性疾病的患者分割感兴趣。她的研究成果发表在主要的人工智能会议上，包括KDD、NIPS、ICLR、AAAI、IJCAI、SDM、ICDM、WWW和顶级健康信息学期刊，如《自然科学报告》和JAMIA。在加入IQVIA之前，她曾于2017年至2019年在IBM research担任AI for Healthcare团队的研究人员，并于2018年至2019年担任IBM全球技术展望委员会成员。她于2016年在西雅图华盛顿大学获得博士学位。