提高家庭生育能力的分布式分析

赞助单位：美国国家科学基金会

奖励编号：IIS-1914792

PI：约阿尼斯（扬尼斯）帕斯查里底斯

合作伙伴：Alexander Olshevsky， Shruthi Mahalingaiah, Lauren Wise

现代生活、教育和职业选择的需求，以及辅助生殖技术的可用性，导致许多个人和夫妇推迟生育。这导致不孕不育和低生育能力成为美国重大的公共卫生问题，影响了大约15%的夫妇，包括男性和女性，并导致每年在不孕不育服务上花费超过50亿美元。这些费用往往不在医疗保险范围内，因此产生了获得医疗服务的差距。该项目将利用来自自我管理的调查和医疗记录的信息，对生育潜力、怀孕、体外受精周期的成功以及影响生育的特定生殖健康问题的存在进行高度准确的个性化预测。除了预测之外，该项目还将开发生成个性化建议的方法，使个人及其医生能够做出最合适、最个性化的医疗保健决定。在数据和算法进步的帮助下，这项工作符合个性化医疗的出现。该项目将培训工程和计算机科学澳门威尼斯人注册网站研究生为医学信息学做出贡献，涉及本科生和高中生，影响教育产品，并通过使用来自安全网医院的数据，帮助了解使用不孕症治疗服务的社会经济差异。

在这个项目中开发的预测和规范模型将基于机器学习和分析方面的一些进步，包括：(i)处理连续和离散结果的新预测模型，对异常值具有鲁棒性，产生高度准确的个性化预测，并实现异常值检测；（ii）新颖的规范模型，从选项菜单中进行最佳选择，提出以健康为中心的结果的建议；(3)使用自然语言处理方法处理临床报告，筛选可用于增强预测模型的关键信息。为了从数据中学习，这项工作将开发新的分布式优化和联合学习方法，这些方法可以通过各个数据保存节点之间的交互来训练模型，例如医院系统、智能手机应用程序云、现有的前瞻性队列和个人健康记录。这种分布式范例不需要数据持有节点共享原始数据，从而增强了隐私性和安全性。

更多信息请点击这里。