KDD'24 Workshop自荐征稿中! (附投稿交流群)

轻松参会 · 公众号 · · 2024-04-27 15:14

正文

ACM SIGKDD (Association for Computing Machinery's Special Interest Group on Knowledge Discovery and Data Mining)，简称KDD，是由美国计算机协会（ACM）的数据挖掘及知识发现专委会（SIGKDD）负责组织的数据挖掘领域的顶尖国际会议。

KDD作为CCF A类和Core Conference Ranking A*类会议，H5指数114，Impact Score 16.20，常年录取率低于20%，以其严格的审稿标准和极低的录取率而闻名，在全球范围内享有盛誉。该会议一直被认为是难度最高，工作量最大，审稿质量最好的数据挖掘领域会议之一！

KDD'24 将于2024年8月25-29日在西班牙巴塞罗那举办。更多信息请访问KDD2024官方网站：https://kdd2024.kdd.org/

Call for Papers

■ Call for Papers of Workshop of KDD2024：

Artificial Intelligence and Data Science for Healthcare: Bridging Data-Centric AI and People-Centric Healthcare

欢迎访问官方投稿网站进行投稿！

论文提交网站：https://aimel.ai/kdd2024aidsh

如有任何疑问，请联系：[email protected]

投稿截止：2024年5月28日

结果通知：2024年6月28日

workshop征集范围

本次研讨会征文通道现已开启，稿件征集范围包括：

1）以数据为中心的AI在医疗中的创新：专注于通过使用大规模、高质量数据集来提升AI模型的性能，旨在真正反映模型的潜能，防止过拟合，实现模型的实际应用。

2）以人为本的AI：旨在开发互动且用户友好的AI技术，以增强患者在追踪、管理和分享其医疗数据中的积极参与，缩小技术与用户之间的距离。

3）综合数据系统促进个性化医疗：探讨如何整合医疗IT系统并确保其互操作性，使用统一的数据标准和多样化的数据类型，以支持个性化医疗的实施和优化。

4）增强AI模型在医疗中的可解释性：着重提升AI模型在医疗决策中的透明度，增强医疗提供者和患者对AI推荐的信任，推动以人为本的AI应用。

研讨会举办背景

随着人工智能（Artificial Intelligence，AI）和数据科学（Data Science，DS）在医疗和健康研究领域的深度融合，我们见证了这一传统领域的前所未有的创新。AI 和 DS 的结合在多个层面展示了其潜力，包括医学影像分析、诊断决策支持、药物发现和个性化健康护理等。通过利用 AI 和 DS，医疗领域在提高诊断准确性和治疗效率方面取得了显著进步。尽管前景看好，但“人工智能和数据科学在医疗健康领域的应用”仍面临一些关键的差距和挑战。

■ 重视数据中心的人工智能（Data-Centric AI, DCAI）

传统上，AI 的发展侧重于优化模型设计以适应固定的数据集，常常忽视了数据本身的缺陷，如缺失值、错误标签和异常值。这种情况提出了一个关键问题：各种模型性能的提升是否真正反映了模型的实际潜力，还是仅仅因为过度拟合了数据集。医疗专业人员和研究人员通常强调大规模、高质量数据集的重要性，以生成可靠且广泛适用的医疗见解，突显了实施数据中心AI的必要性。

■ 推进以人为本的医疗保健（People-Centric Healthcare, PCHC）

尽管 AI 和 DS 的进步为人们提供了更多获取医疗信息的途径，但这些技术还不足以鼓励人们积极参与。现有的医疗信息系统缺乏互动性和用户友好性，限制了人们主动跟踪、管理和分享他们的医疗数据的能力。因此，开发互动且用户友好的以人为本的AI技术，并提供相应的数据教育和支持，对实现以人为本的医疗保健至关重要。

■ 通过数据中心AI与以人为本医疗保健的整合推动PCHC

医疗IT系统之间缺乏互操作性和统一的数据交换标准，限制了数据中心AI在以人为本医疗保健中的有效使用。数据格式和标准的多样性阻碍了数据共享和分析，限制了提供全面和协调护理的能力。要促进数据中心AI和以人为本医疗保健的有效整合，迫切需要开发和采用统一的数据标准。有效整合来自临床数据、人们提供的信息和实时医疗监测数据的各种来源，以支持个性化医疗，仍然是一个重大挑战。

■ 用PCHC的见解促进DCAI

AI模型在提高医疗诊断和治疗决策的准确性方面展示了巨大的潜力。然而，这些模型通常被视为“黑箱”，可解释性不足，这对于在人们和医疗提供者中建立对AI驱动决策的信任构成了障碍。增强模型的可解释性并确保人们和医疗专业人员能够理解AI的推荐，对推进以人为本的AI应用至关重要。

KDD'24 Workshop自荐征稿中! (附投稿交流群)

正文

请到「今天看啥」查看全文