ICLR，2013 年由深度學習三巨頭中的Yoshua Bengio 和 Yann LeCun 牽頭創辦，已受到研究者和開發者的廣泛認可，是當之無愧的深度學習領域頂級會議。今年，由中山大學、加利福尼亞大學圣迭戈分校和騰訊天衍實驗室等組織聯合舉辦的醫療對話生成與自動診斷國際競賽，已于3月1日正式啟動，面向全球開放報名通道。

傳染病大流行是威脅人類社會生存的重大災難。截至目前，新冠大流行已在全球造成超1.1億人感染，約258萬人死亡。世衛組織更表示，未來有可能暴發比此次新冠疫情更加嚴重的全球大流行病。為了防止傳染病的大流行，關鍵在于及時做好防控工作，而其中重要一環就是要盡早發現人群中的疑似患者。但是，該工作所需人力物力龐大，這對于資源貧乏的地區或國家更是困難重重。

對此，如果可以開發出一個能與人對話，并綜合其所述癥狀，自動做出診斷的醫療對話系統，將有助于從大規模人群中快速定位出疑似患者，以進行進一步精確檢測，從而大大減輕醫務人員的負擔，降低篩查難度。以此為目的，本次競賽以自動醫療診斷對話系統的開發為主題，是第一個針對醫療對話生成和診斷國際挑戰賽事，目前設置了兩大賽道：醫療對話生成賽道和自動醫療診斷賽道。

• 賽道一：醫療對話生成

  醫療對話生成指的是根據對話歷史，生成與上下文一致且符合醫學原理的文本回復。本賽道具體包含兩大子任務：回復生成和實體預測。給定對話歷史，回復生成任務旨在生成用于回復用戶的文本；實體預測任務則是預測在下一句回復中可能出現的所有醫療相關實體。為支持模型訓練和評估，本賽道提供了一個大規模中文醫療對話數據集MedDG（包含超過17K個對話，涉及12種常見胃腸道疾病，并提供了精細的實體級別標注）。任務評估指標采用BLEU-1/4（針對回復生成任務）以及F1-score（針對實體預測任務）。評估指標平均得分最高的隊伍將奪得冠軍。

• 賽道二：自動醫療診斷

  自動醫療診斷指的是，在與患者對話過程中，收集患者除自我報告以外的其它癥狀，并自動做出疾病診斷。對此，本賽道提供了一個中文醫療診斷對話數據集MDD（包括12種疾病，118種癥狀，總計2374個對話數據）用于支持模型訓練和評估。最終診斷準確率最高的隊伍將奪得冠軍。

各賽道的優勝者最高可獲得1000美元的獎勵，快來報名參加吧！競賽于3月1日正式開啟報名通道，想進一步了解ICLR 2021 醫療對話生成與自動診斷國際競賽詳情和報名方式的，可進入比賽頁面查看詳細內容：
https://mlpcp21.github.io/pages/challenge

后臺回復關鍵詞【入群】

加入賣萌屋NLP/IR/Rec與求職討論群

后臺回復關鍵詞【頂會】

獲取ACL、CIKM等各大頂會論文集！

總結

以上是生活随笔為你收集整理的报名通道开启 | 顶会 ICLR 2021：医疗对话生成与自动诊断国际竞赛，邀你来战！...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。