第三届 “中国人民大学健康数据科学研讨会” 将于2026年9月13日在北京举办。会议旨在持续推进健康数据科学的理论创新、技术研发与多元场景深度融合，赋能产学研用一体化高质量发展，充分释放健康大数据的实践转化价值。本期介绍研讨会分论坛主题为“从临床需求到数据智能”的报告人简介、报告题目及摘要内容。

    （报告顺序按报告人姓氏笔画排序）

    一、健康大数据中的迁移学习：从鲁棒预测到个体化决策

    个人简介：

    刘默雷，北京大学医学部与国际数学中心双聘研究员兼助理教授。2022年获美国哈佛大学生物统计学博士学位，2022至2024年在美国哥伦比亚大学任助理教授。主要统计学理论与方法研究方向包括高维复杂数据推断、数据融合、迁移学习、分布鲁棒优化等，论文成果发表于JRSSB, JASA, Biometrika, JMLR等领域内顶级期刊。在生物医学信息学、基因组学等应用领域开展广泛的合作研究，成果发表于Science, npj Digital Medicine等权威期刊。曾获哥伦比亚大学公共卫生学院颁发的Sanford Bolton学者奖。

    报告摘要：

    电子健康数据为跨人群、跨机构和跨时间的医学研究提供重要机遇，但人群异质性、标签稀缺、模型错设等显示问题使模型难以在不同人群间直接推广。本报告围绕几项近期工作，介绍面向协变量漂移与模型异质性的统计迁移学习：从双重鲁棒回归迁移、结合替代信息和未标注数据的鲁棒学习，到目标人群预测性能迁移推断，并进一步讨论弱重叠下个体化治疗效应迁移。结合电子健康记录、遗传风险预测等场景，展示迁移学习在多源数据整合、精准医学和个体化决策中的方法学价值与应用前景。

    二、从数据到临床—生殖障碍疾病的大数据研究与精准诊疗探索

    个人简介：

    张巧利，妇产科学博士，生殖医学博士后，北京协和医院妇科内分泌与生殖中心主任医师，专注于生殖内分泌疾病，擅长女性各种疾病的诊断和治疗，包括多囊卵巢综合征，子宫内膜异位症，卵巢功能减退，不明原因性不孕等。擅长排卵功能障碍及反复流产的诊断和治疗和辅助生殖技术。主持9项基金，包括国家自然科学基金、中国博士后科学基金等，参与1项国家重点课题，4项国家自然科学基金等。在国内外专业杂志发表学术论文86篇，其中SCI 17篇，获批专利1项。主编和副主编科普视频5部，参编专著7部。2021年和2022年2次获得事业单位工作人员嘉奖奖励。担任中国优生科学协会妇科内分泌与妇女健康专业委员会副主任委员，中国中医药研究促进会中西医结合妇科内分泌专业委员会副主任委员兼秘书长等学术任职，担任《中国计划生育和妇产科》和《中国妇幼健康研究》杂志编委，《中华预防医学杂志》特约稿专家。

    报告摘要：

    生殖健康领域正从经验医学向数据驱动的精准医学转变。生殖障碍相关疾病，如多囊卵巢综合征-异质性突出、卵巢储备功能减退-早期识别难、子宫内膜异位症-诊断延迟、子宫腺肌病-共病复杂，及试管助孕人群-个体化决策，面对以上瓶颈，充分挖掘医疗大数据，构建多模态辅助诊疗，实现真正意义的数智化诊疗，优化诊前筛查、诊中决策和全程管理。

    三、基于轨迹的生命模型新范式

    个人简介：

    俞声，清华大学数据科学交叉研究院院长助理、统计与数据科学系长聘副教授。研究涵盖医学大模型、知识图谱、电子病历分析、搜索、自动诊断等医学人工智能技术。主导开发项目包括生物医学信息学本体系统BIOS，电子病历自然语言处理系统NILE，电子病历结构化大模型GENIE，高通量表型提取技术PheNorm，病例报告开放数据库PMC-Patients，罕见病的开放数据库RareArena，电子病历搜索数据集CliniQ等。相关成果发表于 Journal of the American Medical Informatics Association、Journal of Biomedical Informatics 和 Lancet Digital Health等期刊。现任《美国统计学会会刊》（Journal of the American Statistical Association）副编。

    报告摘要：

    近年来，大型语言模型通过在海量文本语料上学习“下一词元预测”任务，展现出了强大的表征与预测能力。这一建模范式也逐渐被引入电子健康记录（EHR）领域，将诊断、用药、实验室检查和临床文本等信息编码为按时间排列的医学词元序列。尽管这一方法在临床表征学习和预测任务中取得了显著成效，但其本质上没有直接刻画这些观测背后驱动健康变化的潜在过程。

    我们认为，人类健康更适合被视为一个随连续时间不断演化的随机动力系统。临床实践中获得的各种信息——如疾病诊断、实验室指标、处方用药、影像学检查以及病历文本——来源不同、形式各异，而且通常存在缺失和不规则观测等问题。这些临床事件并非健康状态本身，而是潜在健康状态在不同时间点、不同观测渠道下留下的外在表现。因此，与其单纯预测下一条临床记录，更理想的健康模型应当从多源临床数据中推断患者潜在的健康状态，并进一步学习这一状态随疾病进展和临床干预而发生变化的动态轨迹。

    基于这一思路，我们提出一种以潜在健康状态轨迹为核心的统计建模框架，将状态空间模型、纵向数据分析、生存分析、数据同化以及现代表征学习等方法有机结合起来。该框架能够自然处理临床数据中普遍存在的不规则观测时间、多模态信息和治疗干预，从而不再局限于对单个临床事件进行预测，而是直接对疾病进展过程及未来健康状态的演化进行建模和预测。我们给出初步实验结果，并讨论这一建模范式未来可能的发展方向。

    四、数据驱动的个体化运动心血管保护：从风险评估到智能监测

    个人简介：

    赵威，女，医学博士学位，主要方向为慢病管理、心血管疾病预防与康复、运动评估与干预。现任北京大学第三医院全科医学科主任，心血管内科主任医师、副教授，兼任中国生物医学工程学会体外反搏分会第三届委员会副主任委员，中华预防医学会体育运动与健康分会、中华预防医学会残疾预防与控制专业委员会、中国人体健康科技促进会健康促进专业委员会、中国女医师协会医体专业委员会、北京健康管理协会体医融合分会常务委员，中国医院协会心脏康复管理专委会委员等。

    报告摘要：

    传统运动建议多基于人群平均效应，难以规避个体心血管风险与获益的异质性。本报告聚焦如何借助数据科学方法，打通“风险评估—方案生成—动态监控”的全链条闭环，实现运动心血管保护从“经验指导”向“精准决策”的范式转换，以期为数智时代精准运动干预提供可参考的方法论框架。

    五、面向药物发现的通用分子模型

    个人简介：

    黄文炳，中国人民大学高瓴人工智能学院副教授、博导，国家高层次青年人才、北京科技新星、北京智源青年学者。中国人民大学智慧治理学院兼职博导、中关村人工智能学院兼职导师、中国人工智能学会组织工作委员会副秘书长。曾任职于清华大学与腾讯公司。主要研究几何深度学习、空间智能、具身智能体等，并探索AI在医疗健康、能源材料等交叉领域的应用。主持国家级与企业合作项目10多项。在Nature Communications、Nature Biomedical Engineering等期刊，以及人工智能领域顶级会议上发表论文80余篇，谷歌学术引用1万多次，获ICLR 2023 杰出论文提名奖。自2022年起，连续多年入选斯坦福大学全球前2%顶尖科学家年度榜单。担任NeurIPS、ICML、ICLR等会议领域主席，国际机器学习汇刊TMLR执行编辑，Nature Machine Intelligence、Nature Communications等期刊审稿人。

    报告摘要：

    结构预测、亲和力预测、分子生成是基于结构药物发现的三大核心问题。尽管当前人工智能驱动的方法在这些问题上已经取得了瞩目进展，但是现有方法大多只针对单一分子体系，缺乏通用性。本报告介绍三个代表性工作DeepTernary、EPT以及UniMoMo。特别地，DeepTernary是一种通用的三元体系结构预测模型，能精准预测蛋白质降解靶向嵌合体（PROTAC）和分子胶诱导的“蛋白-小分子-蛋白”结构；EPT是一个通用理解模型，能同时实现小分子、蛋白质、复合物等多类型体系的性质预测；UniMoMo是一个通用生成模型，在给定蛋白质口袋下能同时生成小分子、多肽、抗体等不同类型分子，具备“一靶多药”的强大生成能力。

    报名方式：

    请于2026年8月23日前扫描下方问卷星二维码填写报名信息，提交报名信息后将显示会议群二维码，请及时扫码入群，以便及时获取会议信息。

    联系方式：

    联系人：钱老师

    电话：62511318

    邮箱：health@ruc.edu.cn

    网址：health.ruc.edu.cn