内容介绍：
以阿尔茨海默病（AD）为代表的老年认知障碍，病因和发病机制高度复杂，是世界范围健康老龄化和公共卫生的一个重大挑战。其关键知识分散在持续增长的论文、电子病历和知识库中，通用大模型难以及时、可靠地吸收；另一方面，尽管临床积累了影像、遗传、认知等多模态数据，却往往样本有限、特征维度高且缺失普遍，使传统深度学习方法在应用中捉襟见肘。
本次分享将以大语言模型与知识图谱的“双向奔赴”为引子，通过二者在 AD 生物机制和社会决定因素的知识融合、以及 LLM 驱动的遗传特征选择、表格语言模型用于临床小样本的辅助诊断等不同案例，探讨大模型如何超越一般医学问答，进一步参与知识发现与疾病预测，并审视其在可解释性与临床转化的边界。
嘉宾：
Shu Yang, 现为美国宾夕法尼亚大学（University of Pennsylvania）佩雷尔曼医学院生物统计、流行病学与信息学系（DBEI）信息学部 Research Associate，以及宾大 PennAITech Innovation Fellow。 其研究方向为人工智能与生物医学信息学交叉领域，长期参与 ADNI、ADSP 等阿尔茨海默病大型科研协作项目，重点开发多模态影像-遗传分析深度学习方法，以及融合大语言模型、表格基座模型和医学多智能体的生物标志物分析和疾病早期诊断框架；同时探索生物基座模型在 RNA 分子结构与疾病调控研究中的应用。LinkedIn: https://www.linkedin.com/in/syang111/。
主持人：
李凌尧，现任亚利桑那大学信息学院助理教授。他于马里兰大学帕克分校获得土木与环境工程博士学位，并在密歇根大学信息学院完成博士后研究，研究领域涵盖自然语言处理、计算社会科学 HCI 与人工智能。加入亚利桑那大学前，他曾任南佛罗里达大学助理教授。目前，他主要研究 LLM 与 AI Agent，以及其在医疗健康和城市环境中的应用。其研究成果发表于 AAAI、ACL、EMNLP、CHI、WWW、AMIA 等国际会议，以及 ACM TIST、ACM TWEB、IEEE JBHI、JBI、Communications Medicine 等期刊。他同时担任 ACL、ICLR、EMNLP、WWW、AAAI、Nature Communications、Science Advances 等会议和期刊审稿人。
