公共衛生數據的生存分析

Category: STEM國際競賽 Date: 2020年3月22日下午6:57

公共衛生是關系到一國或一個地區人民大眾健康的公共事業。公共衛生具體包括對重大疾病尤其是傳染病（如結核、艾滋病、SARS等）的預防、監控和治療；對食品、藥品、公共環境衛生的監督管制，以及相關的衛生宣傳、健康教育、免疫接種等。例如對SARS的控制預防治療屬于典型的公共衛生職能范疇。今天小編想要向大家介紹一下哈佛的導師帶領的科研課題哈佛科研課題：基于公共衛生數據的生存分析。

課題簡介

隨著人們生活水平的提高及數據科學的進步，研究群體性健康行為的公共衛生領域正在得到越來越多學界和業界的關注，也讓基于大數據的群體性生存分析成為研究癌癥患者生存率、藥物療效、術后存活時間等問題的重要手段。

本課題旨在運用生存分析方法，對公共衛生學中常見的生存問題進行分析，基于實際患者數據，探究年齡、性別、治療手段等關鍵因素對患者患病后、術后、藥物治療后的存活時間的影響，并應用生存分析中的不同模型，如Cox模型，AFT加速模型等，對數據做進一步分析處理，力求獲得對實踐有指導意義的結論。

通過本課題研究，研究者將掌握使用R進行數據分析的技能，常用的生存分析模型，以及公共衛生學中實際生存問題的了解。

科研方法

AI+X數據驅動型科研

AI＋X數據驅動型科研是指使用人工智能（AI）算法，收集、處理、分析具體學科（X）的海量數據，并基于此進行預測，從而獲得科學發現的研究方法。與傳統的、基于實驗或邏輯推理的研究方式相比，AI＋X數據驅動型科研可以借助AI算法強大的運算能力，高效地進行大數據分析，具有投入產出比高、適用范圍廣的優點。

AI＋X數據驅動型科研已被廣泛地應用于各個領域，利用AI算法研究基因數據，從而進行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數據千千萬萬，使用傳統的科研方式對其進行分析，工程量大、過程繁瑣，在客觀上難以實現。但借助AI算法這一便捷的工具，生命科學家便能夠以海量的患者的遺傳信息為基礎，建立數據庫，與過往的研究成果進行對照，快速、準確地在兩者中發現規律、建立聯系，從而使癌癥診斷的“標準化”成為可能。