本网讯（通讯员 吴兴隆）应det365在线平台邀请，6月14日上午，英国伦敦大学学院（UCL）Alexey Zaikin教授和伦敦玛丽女王大学Oleg Blyuss准教授来我司访问交流，并在det365在线平台分别作了题为“融合非线性动力学、图论和人工智能：Synolytic网络和噪声诱导的人工智能”和“利用多个纵向生物标志物早期检测卵巢癌”的两场学术报告，报告会由吴兴隆博士和华中科技大学的陈尚宾副教授一起主持，det365在线平台广大师生聆听了报告。

  Zaikin教授首先从非线性动力学、图论和人工智能研究方向的融合趋势进行了介绍，重点关注了其中两个有趣的子课题：如何将多维数据表示为图结构（Graph），以及噪声是否能够诱导人工智能。一方面，parenclitic网络的变体synolytic网络结合图神经网络（GNN）已被成功用于检测唐氏综合征中的年龄相关轨迹，最新的研究表明类似的技术还可以用于预测危重症COVID-19患者的生存。另一方面，我们发现人工智能本身可以被随机性诱导。因为噪声可以改变系统的有效相空间。特别是，噪声可以通过噪声诱导的相变来诱导神经元—星形胶质细胞系统的AI属性所需的可兴奋性。两个子课题的研究为人工智能相关技术在医学辅助诊断领域的落地应用开启了全新的思路。

Blyuss准教授从研究背景出发，介绍了作为全球女性第8大常见癌症的卵巢癌在早期检测中面临的挑战。虽然癌抗原125（CA125）是表现最佳的卵巢癌生物标志物，但目前并不适用于筛查测试。于是，Blyuss团队利用CA125和其它生物标志物的联合轨迹序列以及单一轨迹，使用基于贝叶斯变点检测和循环神经网络算法，在每个纵向观察点上估计了患者患病的概率。其研究结果表明纵向多变量模型能够有效结合多个生物标志物，性能表现明显优于基于单个标志物的模型。该研究展示了多变量模型和候选生物标志物提高卵巢癌检测率的潜力，有望应用于卵巢癌的早期筛查中。

在报告答疑环节，两位教授和在场的师生进行了广泛且深入的交流，热情地解答了师生提出的相关问题。吴兴隆总结了此次报告会，并感谢两位教授带来的精彩分享。det365在线平台经理卢涛对两位教授的到访再次表示感谢，并介绍了学院在持续加强相关团队建设、支持科研工作力度和扩大国际交流合作等方面的工作。Zaikin教授和Blyuss准教授表示他们期待和det365在线平台后续开展更广泛合作的机会。

本次学术报告会不仅开阔了在场师生研究视野，启发思路，还对计算机和人工智能相关学科发展和国际合作交流起到了积极推动作用。

Alexey Zaikin教授简介：

Zaikin教授现任英国伦敦大学学院（UCL）系统医学和应用数学讲席教授，兼任俄罗斯下诺夫哥罗德国立大学教授。其于1998年在莫斯科国立大学获物理学与数学博士学位，先后在德国波茨坦大学、洪堡大学从事理论物理博士后研究。其研究兴趣包括计算与系统医学、系统生物学、人工和生物智能、理论生物物理学、生物非线性动力学和随机性建模等。已在Physical Review Letters、PLOS Computational Biology、Lancet Oncology等期刊发表学术论文逾百篇，谷歌学术统计h指数36。

Oleg Blyuss准教授（Reader）简介:

Blyuss 博士现任英国伦敦玛丽王后大学预防、检测和诊断中心的数据科学和统计方向准教授（Reader），其于2011年在乌克兰第聂伯罗彼得罗夫斯克国立大学获计算机信息与控制理论基础博士学位。其研究兴趣包括数据挖掘、线性建模、多元分析、人工神经网络、系统生物学、癌症早期检测等；研究主要使用多组学数据进行癌症的早期检测并开发预测模型，分析血清生物标志物和MRI图像产生的纵向数据，以实现个性化的早期检测方法。其已在Lancet、Lancet Rheumatology、JAMA、European Radiology等权威期刊发表学术论文逾80篇。

（审稿人：卢涛 彭石玉）