学生工作

随着人工智能技术在医学领域的广泛应用，越来越多的护理专业研究生尝试将机器学习方法应用于课题研究，旨在通过数据驱动的手段提高临床决策的精准性、优化患者护理方案，并识别潜在的高风险患者，从而为实际护理工作提供科学依据。然而，在实际操作中，许多同学在方法学上遇到了困难，尤其是在模型构建和结果解释方面。为此，护理学院特别邀请了公共卫生学院在机器学习领域表现突出的研究生舒慧宇同学，于3月14日晚，以腾讯会议的形式开展了以“可解释性机器学习—SHAP基于Python实现”为主题的第三十期研究生学术沙龙活动，以帮助护理研究生们更好地理解和应用机器学习技术。

本次沙龙受到了护理学院师生的热烈欢迎，近100余名师生聆听了该讲座。首先，舒慧宇阐述了机器学习在医学领域的重要价值，着重强调其在构建临床预测模型方面发挥的关键作用。然而，传统机器学习模型因“黑箱” 特性，导致预测结果难以解释，这在对精准性和可解释性要求极高的医学领域成为一大瓶颈。随后，她阐释了SHAP（SHapley Additive exPlanations）方法的理论基石，为让大家更直观地理解SHAP 的实际应用，舒慧宇结合新疆阿勒泰市哈萨克族高血压患者不良心血管事件（MACEs）预测模型的研究实例，进行了详细讲解。通过展示 SHAP 在该研究中的应用过程与结果，参会师生清晰地看到了 SHAP 如何助力研究人员挖掘关键影响因素，为疾病风险预测提供有力支撑。

本次沙龙得到了护理研究生们的广泛好评，护理学院与公共卫生学院的跨学科联动的成功体现。一直以来，护理学院高度重视学术交流与创新，积极为师生搭建学习和交流的优质平台。未来，学院将持续举办此类活动，不断推动学术研究向纵深发展，助力医学领域取得更多突破与创新成果。

（护理学院 文/王小维 图/罗婷）