近年來，人工智能技術(shù)已逐漸深入到臨床醫(yī)學(xué)領(lǐng)域的各個(gè)環(huán)節(jié),如醫(yī)學(xué)影像、藥物挖掘、精神疾病、可穿戴設(shè)備、風(fēng)險(xiǎn)管理、病理學(xué)和臨床診療等活動(dòng)。未來人工智能在醫(yī)學(xué)領(lǐng)域上的應(yīng)用前景將出現(xiàn)無限的可能性?；趐ython和機(jī)器學(xué)習(xí)的臨床數(shù)據(jù)分析與挖掘旨在通過機(jī)器學(xué)習(xí)構(gòu)建臨床預(yù)測(cè)模型，通過人工智能技術(shù)實(shí)現(xiàn)臨床的智能診斷、分析，為臨床科研提供創(chuàng)新方法。

本次培訓(xùn)通過臨床科研思路設(shè)計(jì)、人工智能算法和機(jī)器學(xué)習(xí)在醫(yī)學(xué)領(lǐng)域的應(yīng)用培訓(xùn)，從實(shí)際工作中疑難問題出發(fā)，幫助臨床工作者如何利用機(jī)器學(xué)習(xí)工具解決臨床實(shí)際問題。

01-培訓(xùn)目標(biāo)

1、結(jié)合醫(yī)學(xué)臨床數(shù)據(jù)系統(tǒng)的介紹如何用python進(jìn)行數(shù)據(jù)分析，以幫助臨床工作者解決數(shù)據(jù)分析中的實(shí)際問題；

2.以臨床實(shí)際案例驅(qū)動(dòng)方式，通過機(jī)器學(xué)習(xí)的臨床預(yù)測(cè)模型構(gòu)建教學(xué)，幫助學(xué)員掌握臨床數(shù)據(jù)挖掘與決策的有利工具。

02-主講專家

來自清華大學(xué)、上海交通大學(xué)、中國(guó)科學(xué)院等高校醫(yī)學(xué)專業(yè)帶頭人、擅長(zhǎng)各類型醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析、人工智能算法、機(jī)器學(xué)習(xí)等生物醫(yī)學(xué)大數(shù)據(jù)挖掘。

發(fā)表數(shù)十篇專業(yè)領(lǐng)域內(nèi)學(xué)術(shù)論文及SCI論文，主編或參與編寫多部著作。參與多家三甲醫(yī)院臨床科研項(xiàng)目的研究合作，科研及授課經(jīng)驗(yàn)很豐富。

03-培訓(xùn)時(shí)間

2026年03月27日— 2026年03月30日 遠(yuǎn)程在線培訓(xùn)

（第一天數(shù)據(jù)及操作軟件調(diào)試，共授課三天）

04-參加對(duì)象

各省市、自治區(qū)從事臨床醫(yī)學(xué)、基礎(chǔ)醫(yī)學(xué)、生物醫(yī)學(xué)工程等科室主任醫(yī)師、副主任醫(yī)師、住院醫(yī)師等臨床科研工作者相關(guān)人員；

國(guó)內(nèi)各重點(diǎn)大學(xué)、科研院所相關(guān)研究領(lǐng)域的博士、碩士相關(guān)研究生和學(xué)者等。

05-課程大綱

一、醫(yī)學(xué)臨床預(yù)測(cè)模型構(gòu)建理論

1.背景知識(shí)

2.基于機(jī)器學(xué)習(xí)臨床預(yù)測(cè)模型基本概念

3.基于臨床預(yù)測(cè)模型的應(yīng)用場(chǎng)景

4.傳統(tǒng)臨床預(yù)測(cè)模型與基于機(jī)器學(xué)習(xí)臨床預(yù)測(cè)模型的流程對(duì)比介紹

5.基于機(jī)器學(xué)習(xí)臨床預(yù)測(cè)模型的現(xiàn)狀與發(fā)展趨勢(shì)

二、Python語言基礎(chǔ)（上機(jī)操作）

本部分主要帶領(lǐng)學(xué)員安裝和熟悉軟件環(huán)境及運(yùn)行模式，圍繞真實(shí)臨床案例進(jìn)行實(shí)際操作，通過案例式教學(xué)讓學(xué)員掌握python語言的基本操作

1.python編程環(huán)境安裝與配置

2.python基本數(shù)據(jù)結(jié)構(gòu)

3.python的編程

3.1 控制流、函數(shù)與文件操作

3.2 Numpy基礎(chǔ)

4 數(shù)據(jù)分析工具pandas與批量處理Excel的xlwings模塊。

4.1 使用python 批量進(jìn)行數(shù)據(jù)分析：批量排序、篩選、分類匯總、求和、最大最小值；

4.2 基本統(tǒng)計(jì)學(xué)分析（查看數(shù)據(jù)信息、數(shù)值型變量的統(tǒng)計(jì)描述、數(shù)值變量的假設(shè)檢驗(yàn)、分類變量的列聯(lián)表和獨(dú)立性檢驗(yàn)）

4.3線性模型與廣義線性模型（線性模型、Logistic回歸、Posisson回歸、生存分析與COX回歸、生存率的Kaplan-Meier估計(jì)、COX回歸）

4.4 數(shù)據(jù)可視化工具matplotlib、seaborn等

三、Scikit-learn機(jī)器學(xué)習(xí)模型（上機(jī)操作）

1.機(jī)器學(xué)習(xí)概述

2.數(shù)據(jù)準(zhǔn)備

2.1數(shù)據(jù)質(zhì)量校驗(yàn)

2.1數(shù)據(jù)分布與趨勢(shì)探查

2.2數(shù)據(jù)清洗

3.特征工程

3.1特征變換

3.2特征選擇

4.有監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)

5.機(jī)器學(xué)習(xí)算法常用模型

5.1邏輯回歸、KNN、決策樹、隨機(jī)森林、支持向量機(jī)、樸素貝葉斯、catboost等

6.模型調(diào)參與模型驗(yàn)證

四、案例式驅(qū)動(dòng)機(jī)器學(xué)習(xí)數(shù)據(jù)挖掘分析流程

1.乳腺癌測(cè)序數(shù)據(jù)、臨床數(shù)據(jù)聯(lián)合數(shù)據(jù)挖掘：

生信數(shù)據(jù)下載、數(shù)據(jù)融合、數(shù)據(jù)篩選、缺失值處理、變量歸一化、結(jié)局變量提取、one-hot編碼、RFE-SVM特征篩選、分類模型構(gòu)建、超參數(shù)搜索運(yùn)用。通過案例式學(xué)習(xí)，掌握數(shù)據(jù)挖掘的流程、套路。

2.機(jī)器學(xué)習(xí)生存模型框架實(shí)戰(zhàn)：

生存框架完整分析流程；模型性能評(píng)價(jià)、生存模型比較的AUC折線圖表述，IBF折線圖模型比較、特征選擇、線性生存回歸模型、基于嶺回歸的線性模型；生存樹模型實(shí)戰(zhàn)。

3.數(shù)據(jù)分析美圖秀秀：

類別比較圖表、數(shù)據(jù)關(guān)系圖表、數(shù)據(jù)分布圖表；特征分析圖、ROC_AUC曲線圖等

4.集成學(xué)習(xí)與非集成學(xué)習(xí)模型構(gòu)建與對(duì)比分析：

baggingboosting、HistGradientBoosting、CatBoost、XGBRF、XGBRF、LGBMC、DecisionTree,RandomForest、Logistic、SVC、MultiomialNB、BernoulliNB、GaussianNB、KNN等。

五、具體案例分析（結(jié)合臨床）

舉例機(jī)器學(xué)習(xí)在臨床中的具體應(yīng)用分析，學(xué)員可根據(jù)自己所在領(lǐng)域提出臨床問題，進(jìn)行討論，實(shí)現(xiàn)論文及科研項(xiàng)目的設(shè)計(jì)思路和實(shí)現(xiàn)方法

1.糖尿病遺傳風(fēng)險(xiǎn)預(yù)測(cè)

2.中醫(yī)證型關(guān)聯(lián)規(guī)則分析

3.乳腺癌細(xì)胞挖掘

4.心臟衰竭預(yù)測(cè)

5.腦瘤生存期預(yù)測(cè)

6.心血管疾病風(fēng)險(xiǎn)預(yù)測(cè)

7.醫(yī)療保險(xiǎn)費(fèi)預(yù)測(cè)

8.丙型肝炎預(yù)測(cè)

9.ICU患者生存期預(yù)測(cè)

10.血液分析預(yù)測(cè)

06-實(shí)例知識(shí)點(diǎn)

07-課程報(bào)名

課程費(fèi)用：3900，醫(yī)咖會(huì)會(huì)員優(yōu)惠價(jià)3600

聯(lián)系人:小咖3號(hào)

微信號(hào)：xys2019ykh

二維碼：