从课堂到竞赛：一位健康数据科学毕业生的创新旅程

从课堂到竞赛：一位健康数据科学毕业生的创新旅程

打开网易新闻 查看精彩图片

重庆理工大学,作为我国西南地区著名的理工类高等学府,一直致力于培养具备创新能力和实践经验的高素质人才。为了激励在校学生,展示校友风采,我校特别邀请了杰出校友吴柳洁女士接受专访。吴柳洁女士在校期间表现优异,毕业后赴英深造,在斯旺西大学取得了健康数据分析硕士学位。她在健康数据分析领域的出色表现和创新成果,不仅为母校赢得了荣誉,也为推动中英两国在数据科学领域的交流与合作做出了重要贡献。

吴柳洁本科毕业于重庆理工大学,在校期间在全国竞赛中表现优异,获得多项荣誉,包括第十一届ICAN国际创新创业大赛全国总决赛三等奖和2017年全国数学建模大赛第一名。她还获得了一项获得国家授权的专利"智能教室预约系统"。在健康数据分析专业研究生期间,吴柳洁继续保持出色成绩。她在全国数据分析大赛中获得第一名,2024年全国大学生创新创业能力大赛中荣获一等奖,并取得全国数据分析证书。利用专业知识,她带领团队开发了健康数据分析软件,获得国家认可的软件著作权。此外,她在Kaggle平台组织的创新药物筛选数据分析竞赛中获得铜牌。作为全英生命科学学会青年干事,吴柳洁积极参与学术交流,与众多专家分享医疗数据分析经验。她正在健康数据分析领域不断探索创新,擅长将不同地区的医疗实践和健康文化融入数据分析中。通过精细的算法设计和数据建模,她赋予健康数据独特的解释力,致力于改进医疗实践,充分发挥数据科学在改善人类健康方面的潜力。

问题1：你本科期间取得如此多的奖项,从校级再到省级,再到国奖,获得了很多奖项,硕果累累,请问您对哪一个项目印象最深刻呢?以及能不能讲讲原因?

我在本科期间取得了多项校级、省级和国奖,这离不开指导老师的耐心指导和团队成员间的通力合作。我非常感谢之前合作的老师和同学们。虽然获得了多个国奖,包括ICAN国际创新创业大赛奖、全国数学建模大赛奖和国家授权的专利,但最让我印象深刻的是第十一届ICAN国际创新创业大赛全国总决赛三等奖。这个比赛历时一年多,我们从校内比赛开始,经过重庆市和中国西南地区的评比,最终进入全国总决赛。这一路走来非常不容易,我们在比赛中不断积累经验,根据评委的反馈持续优化项目。最终获得的全国总决赛三等奖不仅是对我个人的褒奖,更是对整个团队的荣誉。这个经历让我深刻体会到团队协作和持续改进的重要性,也让我在创新创业方面积累了宝贵的经验。

打开网易新闻 查看精彩图片

问题2：请问你认为数据分析在现代医疗保健中的重要性有多大?

医疗保健是一个复杂的领域,涉及多个方面,其中患者健康和医疗质量最为重要。在医疗行业,我们需要综合考虑数据分析如何影响医疗决策、资源分配、疾病预防等多个方面。传统医疗的目标是诊断、治疗和康复,而我认为未来的医疗理念必须加上"数据驱动"这一核心要素。

基于数据分析的医疗决策比传统经验型决策准确度可以大大提高,在诊断、治疗和随访过程中不仅能降低医疗错误,还能优化资源利用,从长远来看,体现出显著的优越性。例如,在诊断初期投入稍高成本进行全面的数据采集和分析,能提高诊断的准确性,从长远角度减轻后续治疗的负担。这类高效率的医疗模式需要有全局眼光,考虑整个诊疗过程的可持续性。

问题3：关于医疗数据的隐私和安全问题,您是怎么看的呢?

医疗数据的隐私和安全,是指在数据收集、存储、分析和共享过程中保护患者隐私的所有措施。这包括数据的加密、访问控制、传输安全,以及数据使用过程中的伦理考量。数据处理方式直接影响患者隐私保护的程度,我们提倡在进行有价值分析的同时尽可能保护隐私。常用的个人识别信息就是高敏感度的数据,相对而言,去标识化后的统计数据就是敏感度较低的数据。选择合适的数据处理和分享策略是保护患者隐私的重要一步。因此,在医疗数据分析项目的早期就做出正确的数据管理决策至关重要。

问题4：您是如何在项目中实践数据驱动的医疗策略的,过程经历了什么挑战?

数据驱动的医疗策略贯穿于医疗服务的各个阶段,具体实施的方法很多,例如使用预测分析技术来帮助可视化患者的健康趋势。在开发健康数据分析软件时,我作为主要分析师参与设计了软件系统里面的数据分析和预测模块。在此方案中,我通过患者数据的时间序列分析,研究了不同治疗方案和生活方式改变对疾病进展的影响,以及各种风险因素对并发症发生的影响。最终我们选择了一个能最大程度减少并发症风险的干预方案,并开发了个性化的患者管理模块。这些都说明了数据分析对医疗决策的重要性,该健康数据分析软件系统最终得到了国家的认可,顺利拿到了软件著作权。

另外,我参与了一个由Kaggle平台组织的创新药物筛选数据分析竞赛。这个竞赛旨在通过预测靶蛋白的结合性来辅助筛选药物的初级阶段。2024年,我作为数据分析团队的主要成员之一,参与研究了如何利用机器学习技术来预测未知化合物与特定蛋白靶点的结合亲和力。

在这个项目中,我们面对的是一个名为BELKA(Big Encoded Library for Chemical Assessment)的大规模数据集,其中包含了约1.33亿个小分子与三种蛋白靶点相互作用的实验数据。这个数据集的规模远超过现有的公开数据集,为我们提供了一个难得的机会来开发先进的预测模型。在项目过程中,我们面临了多方面的挑战:首先是如何有效处理如此海量的数据;其次是如何选择合适的分子表示方法;最后是如何构建准确的预测模型。针对这些挑战,我在数据处理和模型构建上进行了大量的实验和优化。例如,在数据预处理阶段,我们开发了一套高效的数据清洗和特征提取流程,能够快速处理SMILES格式的分子结构数据。在分子表示方法上,我们尝试了包括图神经网络、3D卷积神经网络等多种先进技术,以捕捉分子的结构信息。在模型构建方面,我们探索了从传统机器学习到深度学习的多种算法,并通过集成学习等方法来提高模型的泛化能力。这些努力都是为了构建一个能够准确预测小分子与蛋白靶点结合亲和力的模型,从而加速药物发现过程。我们的工作不仅有助于在vast的化学空间中更高效地搜索潜在药物分子,还为计算机辅助药物设计领域贡献了新的方法和见解。

打开网易新闻 查看精彩图片

问题5：对于全球医疗问题,未来医疗数据分析专家最大的挑战是什么?

我认为医疗数据分析专家肩负着推动精准医疗发展的重任,应与医疗机构携手实施数据驱动的医疗模式,这需要各方的共同努力和共识。尽管数据收集和分析系统的初期投入较高,但长远来看,对数据分析的投资会通过提高医疗质量、降低医疗成本等方式得到回报,其实更加经济实惠。此外,过去人们常认为数据分析会使医疗失去人性化,难以同时实现精准和温暖。然而,通过创新技术应用和严格的伦理把控,我们能够证明数据驱动的医疗同样可以人性化和个性化。我的亲身经历和众多优秀案例都证明了这一点。

通过此次访谈,我们深入了解了数据分析和挖掘在医疗领域的巨大潜力,同时也获得了吴柳洁女士在学习、工作方面的宝贵经验,以及她对医疗数据分析的独特见解。作为重庆理工大学的优秀毕业生,我们期待吴柳洁女士在未来取得更大的职业发展和科研成就。我们也希望她能够促进中英两国的科研交流,进一步推动数据分析在医疗领域的应用和发展。

通讯员：周旭