我们将在四月组织BioAI and Precision Health主题活动，邀请MD Anderson癌症研究中心、斯坦福大学等顶级研究中心一线研究人员，国内外投资机构投资人、产业界研发专家，围绕生物人工智能（BioAI）和精准医疗（Precision Health）进行深入探讨。
为什么要办这个活动？
出于对医疗科技的兴趣，我们参加过很多「xx大会」、「xx高峰论坛」，感觉虽然讲者很牛、内容很高大上、但是有的时候发现连概念都不太清楚，被一些big words吓坏惊呆，听完之后感觉到来赶了个场子，但是不知道到底对于自己认识癌症、衰老、临床AI等医疗科技有多少帮助。
所以！我们2020年成立了HealthX医疗科技俱乐部，只分享前沿干货、不浪费彼此时间，自己学到最干货最前沿的知识，有务实且革命性的启发。这是我们三年来做俱乐部一直的追求，我们不仅分享知识，组织talk，我们还进行了具体的行动，三年来我们通过俱乐部深度参与了十余项临床+AI、癌症+AI的交叉项目，并正在积极尝试转化。这次BioAI and Precision Health主题活动是我们对生物多组学数据+人工智能在精准医疗中的一次大胆尝试，希望务实、深入的学习相关底层技术和前沿科研进展，并迅速跟上，和我们的会员一起做出成果，探索落地的可能！
所以，我们办了这场活动。
内容预告*
「2022年生物医疗科技最新进展和2023年展望」HealthX Club 创始人周介立
「建立基于微量血样多组学数据的精准健康监测平台」斯坦福大学博士后申小涛博士
「单细胞测序深度刻画肿瘤免疫微环境」新格元市场总监周运来
「运用几何深度学习技术和以临床医生为中心的设计对治疗应用进行零样本学习」斯坦福大学在读博士黄柯鑫
「基于图神经网络的多模态单细胞数据整合」密西根州立大学在读博士Jiayuan Ding
「数字医疗创新发展报告解读」远毅资本投资经理侯占才
「生物AI赋能精准医疗最新科技突破」前美国MD Anderson癌症研究中心博士后研究员
「ChatGPT生成式大模型在生物医疗大型企业人工智能系统中的展望」硅谷人工智能上市公司数据科学副总
读书会活动「癌症101: 面向癌症的科技突破的历史和前沿进展」CancerX团队
*活动内容暂定，最新内容将在活动群中通知
嘉宾：HealthX Club成立人、上海交通大学在读博士周介立主题: 「2022年生物医疗科技最新进展和2023年展望」
个人简介：美国卡耐基梅隆大学机器学习和人工智能本科、硕士，前硅谷人工智能上市公司数据科学家，上海交通大学生物医疗人工智能在读博士，HealthX Club成立人，专注于AI for Bio and Health.主题：《建立基于微量血样多组学数据的精准健康监测平台》内容简介：目前的医疗保健实践是被动的，使用有限的生理和临床信息，通常相隔数月或数年收集。此外，在临床和研究环境中发现和分析血液生物标志物受到地理障碍、临床静脉穿刺的成本和不便、低采样频率和低分子测量深度的限制。在这里，我们描述了一种策略，用于在10微升的血液中频繁捕获和分析数千种代谢物、脂质、细胞因子和蛋白质，以及来自可穿戴传感器的生理信息。我们在两个应用中展示了这种频繁和密集的多组学微采样的优势，即评估对复杂混合饮食干预的反应，以发现个性化的炎症和代谢反应；以及深度个性化分析，以揭示大规模的分子波动以及与日内生理变化（例如心率）以及临床生物标志物（特别是葡萄糖和皮质醇）和身体活动水平相关的数千种分子关系。预习内容请看公众号文章《自然生物医学工程：基于微量血样多组学数据的精准健康监测平台》
个人简介：自2018年起从事单细胞生物信息分析工作，拥有丰富的单细胞多组学数据挖掘经验。致力于单细胞技术应用推广，曾主理《单细胞时代》、《单细胞新药研发导论》等新媒体专栏。加入新格元后负责单细胞产品在科学研究和临床方向上的应用场景开发、单细胞平台方案建设。先后推出单细胞动态转录组、单细胞多样同测试剂盒、单细胞肺癌靶向基因突变检测试剂盒等六款单细胞相关试剂盒和PythoN组织解离仪。
内容简介：《2022数字医疗创新发展报告》是由远毅资本联合中国医药教育协会以及数十位行业专家发布的行业首部研究数字医疗创新的全面报告。报告从数字医疗产业整体演进的角度出发，阐释了由数字技术赋能的新兴医疗健康产业，从医疗信息化阶段、到互联网医疗阶段再到数字医疗创新阶段的突破性发展历程及重要节点，并解释了数字医疗的的基本定义与特征。报告解读将阐释数字医疗产业创新趋势，包括诊疗全流程创新、医院管理创新、医疗支付创新、药械企业创新，并对全球数字医疗投融资趋势做出分析。个人简介：侯占才，远毅资本投资经理，关注前沿生命科技和器械以及新兴数字医疗领域的投资机会。数字医疗公众号Boom Health主编，《2022数字医疗创新发展报告》执行主编，长期研究新兴医疗产业，对于前沿医疗技术及商业化运营有深刻理解。伦敦大学金融硕士，南京大学化学学士。
主题：《Graph Neural Networks in Single-Cell Analysis》内容简介：Single-cell technologies are revolutionizing the entire field of biology. The large volumes of data generated by single-cell technologies are high-dimensional, sparse, heterogeneous, and have complicated dependency structures, making analyses using conventional machine learning approaches challenging and impractical. In tackling these challenges, Graph Neural Networks (GNNs) often demonstrate superior performance compared to traditional machine learning methods. In this talk, I will introduce how to leverage GNNs to resolve problems in multi-modal integration and spatial transcriptomics. What's more, I will introduce the DANCE platform, the first standard, generic, and extensible benchmark platform for accessing and evaluating computational methods across the spectrum of benchmark datasets for numerous single-cell analysis tasks. Currently, DANCE supports 3 modules and 8 popular tasks with 32 state-of-art methods on 21 benchmark datasets. https://github.com/OmicsML/dance.个人简介： I'm a Ph.D. student in the Department of Computer Science and Engineering at Michigan State University. I am fortunately advised by Prof. Jiliang Tang in the DSE lab. At the same time, I am a full-time software engineer (machine learning) in VMware in bay area. My research interests include but not limited to Graph Neural Networks, NLP and its applications in biology like single-cell analysis.
主题：《Zero-shot prediction of therapeutic use with geometric deep learning and clinician centered design》内容简介：Of the several thousand diseases that affect humans, only about 500 have treatments approved by the U.S. Food and Drug Administration. Even for those with approved treatments, discovering new drugs can offer alternative options that cause fewer side effects and replace drugs that are ineffective for certain patient groups. However, identifying new therapeutic opportunities for diseases with limited treatment options remains a challenge, as existing algorithms often perform poorly. Here, we leverage recent advances in geometric deep learning and human-centered AI to introduce TXGNN, a model for identifying therapeutic opportunities for diseases with limited treatment options and minimal molecular understanding. TXGNN is a graph neural network pre-trained on a comprehensive knowledge graph of 17,080 clinically-recognized diseases and 7,957 therapeutic candidates. The model can process various therapeutic tasks, such as indication and contraindication prediction, in a unified formulation. Once trained, we show that TXGNN can perform zero-shot inference on new diseases without additional parameters or fine-tuning on ground truth labels. Evaluation of TXGNN shows significant improvements over existing methods, with up to 49.2% higher accuracy in indication tasks and 35.1% higher accuracy in contraindication tasks. TXGNN can also predict therapeutic use for new drugs developed since June 2021. To facilitate interpretation and analysis of the model’s predictions by clinicians, we develop a human-AI explorer for TXGNN and evaluate its usability with medical experts. Finally, we demonstrate that TXGNN’s novel predictions are consistent with off-label prescription decisions made by clinicians in a large healthcare system. These label-efficient and clinician-centered learning systems pave the way for improvements for many therapeutic tasks.个人介绍：Kexin Huang is a 2nd-year CS PhD student at Stanford, advised by Prof. Jure Leskovec. His research focuses on algorithmic challenges arising from machine learning adoption in biomedicine. His research has published at Nature Biomedical Engineering, Nature Chemical Biology, NeurIPS, UAI, IEEE VIS etc. He had spent time researching at Pfizer, IQVIA, Dana-Farber, Flatiron Health, and Rockefeller University and received undergraduate education at NYU in math & CS & studio art, and master at Harvard in health data science.
我们在四月也会组织第一次读书会内容，敬请期待～！
读书会活动「癌症101: 面向癌症的科技突破的历史和前沿进展」CancerX团队
请添加小助手微信
4月10号之前报名早鸟价128元，4月10号之后报名168元。
本次活动面向HealthX Club VIP会员免费，VIP会员将在活动结束之后收到活动的回放、总结和资料。
相关推荐阅读
HealthX医疗科技俱乐部成立于2020年，我们创立俱乐部的目标是用最务实的方式关注最前沿的医疗科技、并参与到医疗数字化、智能化转型的浪潮中去。我们希望和更多志同道合的行业同道一起，加速实现中国生物医疗领域的智能化转型。发展至今，俱乐部汇聚了数百位中美顶级理工学校硕博生，重点三甲医院医生，中美医疗科技领域从业者、投资人、创业团队。我们每周定期组织AI医疗影像、癌症衰老科技、医疗科技创业融资等医疗科技相关内容的交流分享。过往活动可见HealthX Club公众号。
【俱乐部创始人欢迎辞】在HealthX Club，我们坚定的认为科学技术的发展让健康医疗更加美好。我们以与一线研发专家交流的形式，密切关注医疗科技领域的原创突破和业界产品的从零到一。与此同时，我们坚信求人不如求己，我们创造而不空谈未来、我们关注实在的内容而不迷信大牌。欢迎务实奋进的你加入！
本着公开、透明、前沿的目的，俱乐部普通成员可通过公众号通知免费参与部分线上活动。【无需添加俱乐部运营人员微信】
为了营造一个持续保持在医疗科技前沿的高质量医疗科技社群，我们在HealthX Club成功运营三年的基础上建立了HealthX VIP项目，我们对所有想加入HealthX俱乐部VIP项目的朋友进行实名认证，维护一个高质量的线上讨论社群，并每周发送医疗科技领域最值得关注的在线讲座、前沿科研内容、商业进展和行业思考。
HealthX Club VIP权益：
1. 每周生物医疗科技领域的最新研究成果、行业动态的导读和总结
2. 免费参加HealthX医疗科技读书会，一月一本医疗科技书、一篇相关前沿论文作者分享/内容精读
3. 优先参与HealthX线下沙龙和meetup活动，与诸多大咖面基，交流想法
4. 协助您提供科研转化、创业投资的平台，我们与诸多技术大拿、孵化器、产业园区和投资机构保持密切关系
5. HealthX Club周边礼品，待定，比如医疗科技相关的精装书、或者智能传感器设备～
同时我们也在招募志同道合的伙伴加入我们的内容和运营团队。
欢迎大家自荐或者推荐。邮箱：qintian@doctorhealthx.com