“如果医生信任这个模型，就会更频繁使用它，可能改善特定疾病的早期诊断。”
——钱刘博士
钱刘博士是温尼伯格大学应用计算机科学系的助理教授。她通过将人工智能深度学习技术与医疗保健结合，致力于解决化学或生物医学难题，特别聚焦乳腺癌、新冠疫情和类风湿性关节炎研究。
在获得2024年加拿大自然科学与工程研究委员会（NSERC）的“发现补助金+发现启动补充金”资助后，其最新研究运用数学和统计理论优化深度学习模型性能。
“对于乳腺癌筛查，我们通常使用X光乳腺摄影或乳腺核磁共振成像，”刘博士解释道，“这些图像显示为黑白对比的可视化影像，但图像背后实际是海量数字数据。”
通过深度学习模型对X光或核磁共振影像的原始数据进行分析，计算机可识别肉眼难以察觉的微小肿瘤。她强调：“将统计学融入深度学习不仅能提升模型性能，还能增强结果可解释性。当医生能向患者清晰解释AI诊断依据时，他们更可能主动采用这项技术，从而推动疾病早筛。”
该模型支持多模态数据输入，能同时处理影像、基因组信息和文本数据（如电子病历或医生诊疗记录）。在温尼伯格大学，刘博士正筹划建立AI与信息学研究中心，并计划配套高性能计算集群。
“我们计算机科学系实力雄厚，”她表示，“其他院系如化学、生物和物理专业的教授们都在进行信息学分析，他们都需要超级计算机处理数据。我希望这个中心能成为跨学科研究的协作平台。”
【全文结束】
