食源性疾病是全球重要的公共衛生和食品安全問(wèn)題，近年來(lái)，食源性疾病呈現出跨區域傳播、變化快、難預測的特點(diǎn)。依托于國家重點(diǎn)研發(fā)計劃課題“基于多源數據的食源性疾病實(shí)時(shí)預警技術(shù)體系研究”，中國科學(xué)院計算機網(wǎng)絡(luò )信息中心大數據部將大數據和機器學(xué)習技術(shù)與食源性疾病預測的實(shí)際需求進(jìn)行深度融合，在該交叉領(lǐng)域取得多項研究成果，相關(guān)研究成果分別發(fā)表在Food Control、Foodborne Pathogens and Disease和JMIR Medical Informatics上。

 

　　食源性疾病致菌是導致食源性疾病的主要原因，使用數據挖掘、機器學(xué)習的方法挖掘食源性疾病因素之間潛在的關(guān)聯(lián)，從而對致病菌進(jìn)行識別，能夠對食源性疾病的診療起到輔助作用。課題組提出了一種利用機器學(xué)習來(lái)識別食源性疾病致病菌的方法，從空間、時(shí)間、患者信息、暴露食品等方面提取特征，使用合適的機器學(xué)習模型來(lái)對特征進(jìn)行訓練和學(xué)習，從而對重要的食源性疾病致病菌進(jìn)行識別，以對食源性疾病的診療提供輔助支持。進(jìn)一步，針對食源性疾病發(fā)病情況的時(shí)空預測問(wèn)題，課題組提出了基于多圖結構化LSTM的時(shí)空風(fēng)險預測模型，該模型能夠通過(guò)構造多種空間相關(guān)性并進(jìn)行動(dòng)態(tài)融合，利用基于Encoder-Decoder的結構化LSTM模型同時(shí)對數據的時(shí)間依賴(lài)性和空間依賴(lài)性進(jìn)行建模，實(shí)現對疾病風(fēng)險的多步預測。相關(guān)研究成果發(fā)表在JMIR Medical Informatics上。

 

　　食源性疾病暴發(fā)是指發(fā)生兩例及以上具有共同暴露和癥狀相似的食源性疾病病例，目前，食源性疾病報告監測系統基于篩選規則來(lái)發(fā)現疑似食源性疾病暴發(fā)事件，但該方法普遍存在誤判的現象。為了進(jìn)一步提高暴發(fā)識別和預測的準確性，課題組設計出一種基于機器學(xué)習的食源性疾病暴發(fā)識別模型。在識別暴發(fā)的同時(shí)分析各類(lèi)特征和致病因素對判別結果的影響，這對醫學(xué)工作者具有借鑒意義。相關(guān)研究成果發(fā)表在Foodborne Pathogens and Disease上。

 

　　基于上述系列研究成果，課題組發(fā)現大數據與機器學(xué)習技術(shù)可以在病例報告、疾病診斷、暴發(fā)識別和風(fēng)險預測階段，改善現有的食源性疾病監控系統，并在此基礎上總結出機器學(xué)習驅動(dòng)的食源性疾病監控系統框架，以促進(jìn)未來(lái)對食源性疾病監測系統做出更智能的改進(jìn)。相關(guān)研究成果發(fā)表在Food Control上。