美国国家癌症研究所(NCI)与卡内基梅隆大学合作(CMU)和Knowinnovation (KI)召集专家肿瘤系统生物学,数学建模和机器学习(以及相关的人工智能专家)走到一起,分享想法,形成新的协作团队,并提出和完善跨学科的试点项目。
 
创新实验室“在机器学习和机械建模的前沿推进癌症生物学”将于2020年6月1日至5日举行。申请截止日期为2020年3月20日。
 
活动背景
 
癌症研究领域既受益于数据驱动模型(例如,机器学习,包括深度学习),也受益于机械模型(系统生物学中常用的模型)。虽然已经使用机器学习技术在癌症研究空间分析大型数据集和深入了解来自不同数据源的数据,更新、更强大的深度学习的方法,使机器人视觉和图像识别等领域的进步已经使用一般较少,主要临床图像特征检测在一个狭小的空间。当面对大型数据集时,这些数据驱动的模型非常强大,但是癌症研究人员和信息学家可用的数据集通常是小型的、多模态的复杂数据集,这些数据集并不总是机器可读的,并且需要多种方法的组合。
 
癌症系统生物学家使用许多不同的、同样复杂的数学方法来建模、理解和预测癌症过程,通常使用各种数据类型、先验知识和上下文信息。近年来,癌症系统生物学界已经开始探索与其他方法相结合的深度学习方法,以建立正在研究的癌症过程的预测模型。
 
将人工智能的新思想与癌症领域的知识相结合的新算法和新方法有大量的机会来加深我们对疾病机制的理解。例如,从有限的数据中学习的技术(例如,强化学习)可能适用于某些类型的癌症数据,并且可以帮助参数化癌症发生、发展和转移的机制模型。类似地,跨多模态数据(组织学、基因组学和临床数据)应用机器学习方法来获取不同的信息可能是有价值的,这些信息对理解癌症很重要,但使用传统的数学建模方法可能很难整合。
 
构建有用的癌症计算模型需要癌症生物学家或肿瘤学家参与模型构建过程。通过对系统生物学和物理科学的支持,NIH国家癌症研究所不仅支持数学家和计算机科学家,而且支持与这些定量科学家密切合作的生物学家。生物学家在创新实验室的讨论中至关重要,他们要设定建模的优先级,解释生物学挑战的癌症背景,并考虑验证模型预测结果的方法。
 
什么是创新实验室
 
创新实验室是一个为期5天的密集住宿项目,包括来自不同学科的30名参与者。在一周的时间里,该小组努力加深他们对指定挑战的共同理解,通常是一个复杂的挑战,重新定义挑战中的问题,并为研究建议产生新的想法。团队的形成和想法是通过导师和同事在几天内的实时反馈形成的,就像主持人和导师在提案开发的早期阶段指导参与者一样。其结果是:跨学科研究是有风险的、前沿的,不太可能通过任何其他来源获得资助。为了启动一些团队的工作并促进进一步的合作活动,种子基金将通过卡内基梅隆大学获得NCI的资助。
 
鼓励具有广泛专业知识的研究人员,包括但不限于癌症生物学、肿瘤学、机器学习(或其他人工智能)、癌症系统生物学或数学建模,申请参加2020年“在机器学习和机械模型的前沿推进癌症生物学”创新活动
实验室。
 
所有的旅费和出席费用将由每个参加者支付。
 
具体会议信息请访问这里
 
关于计算社区联盟
 
计算社区联盟(CCC)的目标是促进计算研究社区讨论更长期、更大胆的研究挑战;围绕研究愿景达成共识;朝着明确定义的行动方向发展最有前景的愿景;并与资助组织合作,将挑战和愿景转向资助计划。