2020年11月16日，我院杨杰研究员在JAMA Network Open杂志上在线发表题为“Development and Validation of a Deep Learning Model for Detection of Allergic Reactions Using Safety Event Reports Across Hospitals”的研究论文。该论文利用最先进的深度学习技术从哈佛医学院附属Massachusetts General Hospital 以及Brigham and Women’s Hospital，两家医院近30万份事故报告中自动寻找过敏事件，以改善医院就诊环境。杨杰研究员是本文的第一作者兼通讯作者。
本研究利用基于注意力的深度学习技术，对医院事故报告进行深度编码，并且最终构建分类器进行过敏事件预测，其AUROC可以达到0.979（95% CI， 0.9730-0.985），AUPRC可以达到0.809（95% CI, 0.773-0.845）。本研究在多种环境下对深度学习模型进行了外部评估，包括不同时间段的性能评估，跨医院的性能评估，实验结果证明模型的在不同环境下均能取得不错的效果，泛化性能好。利用注意力机制也给模型带来了一定的可解释性，本文的深度学习技术在大数据中自动发现多项先前被专家遗漏的过敏事件线索，为专家的临床知识补充提供了较好的数据支撑。
原文链接：
https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2772992
图1. 实验数据与整体设计
图2.注意力模型提供部分可解释性示例（背景颜色越深即深度学习模型认为约重要的词）
