犹他大学的七个项目获得了种子基金，旨在加强数据科学和数据支持科学的研究和基础设施. The grants, supported by the new One Utah Data Science Hub, 将专注于使用包括机器学习在内的方法的项目, artificial intelligence, 以及在基础科学和健康科学中解决社会相关问题的可视化.
一个犹他数据科学中心试点种子资助计划是整个大学范围内加强研究的一部分, training, and infrastructure focused on data science. 该中心通过与犹他数据科学中心（Utah Center for data science）联合推出两项新举措，促进了以数据科学为重点的跨校园和跨学科研究：
- 数据科学与技术伦理（DATASET）倡议，以及
- 数据探索和学习的精确健康智能（DELPHI）倡议.
数据科学是一个涵盖数据管理的总称, data analytics, data mining, machine learning, visualization, and several other related disciplines. 它依赖于多学科方法来检测和分析大量信息中的模式. It can be applied to detect patterns of disease and improve patient outcomes; better distribute critical health care, food, and supplies during emergencies; or predict energy demands to achieve greater efficiencies and reduce environmental impacts.
“大发娱乐对这些多样化的数据科学研究项目感到兴奋，因为它们具有明显的创新潜力，并且已经形成了令人兴奋的新合作研究团队," says Aaron Quinlan, Ph.D., 德尔福计划的联合主任和人类遗传学教授.
德尔福计划旨在通过扩展数据科学专业知识和加速科学发现，推动健康和医学领域的创新. 数据集计划旨在汇集全美国数据各方面的研究和专业知识，以严格检查数据的功能和影响, data infrastructure, data science in addressing grand challenges, science and engineering, 并为影响社会的数据驱动决策做出贡献.
种子资助项目将在一年内获得高达50,000美元的资助.
Project Titles, Summaries, & Awardees
利用母体遗传学和可解释人工智能进行胎儿生长评估的个体化
Nathan Blue M.D. (obstetrics and gynecology), Mark Yandell Ph.D. (human genetics), Martin Tristani-Firouzi M.D. (pediatrics)
- Using artificial intelligence, Blue和他的同事们试图开发一种新的新生儿发病率风险计算器，以跟踪胎儿的生长情况，并为复杂的家庭和临床医生做出更明智的决策铺平道路, high-risk obstetric scenarios.
可视化孕妇污染暴露模式的新方法
Simon Brewer Ph.D. (geography), Michelle Debbink M.D, Ph.D. (obstetrics and gynecology), Brenna Kelly (geography)
- 研究人员将使用机器学习技术生成自组装地图，大发娱乐医疗保健专业人员可视化各种空气污染物的相互作用及其对怀孕的潜在影响.
Optimizing Across the Rashomon Set
Nina de Lacy M.D., MBA (psychiatry)
- This study will delve into the Rashomon Effect, 在机器学习中，当不同的模型产生相同的结果，但有明显不同的解释时，会发生什么. 研究人员将开发创新的人工智能方法，以更好地理解罗生门效应，并减少其对研究结果的影响.
预测扰动表型在脊椎动物的大脑
James Gagnon Ph.D. (biology), Randall Peterson Ph.D. (pharmacology and toxicology)
- Based on studies of zebrafish, Gagnon和同事将使用机器学习来处理和解释数据，以更好地理解大脑构造和大脑功能之间的关系.
使用模块化优化来定义和评估急诊普外科护理的区域网络
Marta McCrum M.D., MPH (surgery), Joshua J. Horns Ph.D. (surgery), Neng Wan Ph.D. (geography)
- 急诊普通外科（EGS）每年住院人数超过300万，占所有手术死亡率的一半以上. Using an innovative network science method, McCrum计划利用急诊和住院护理的数据集，在四个大州识别和可视化EGS护理模式. 研究结果可能会导致更好的EGS护理，并改善患者的预后.
CURATE败血症：从败血症风险患者的电子健康记录中整理一个数据库
Daniel Scharfstein ScD (population health sciences), Ithan Peltan M.D. MS (internal medicine), Daniel Knox M.D. (internal medicine)
- Scharfstein将领导一个跨学科的专家团队，组装一个包含大约100份电子健康记录（EHR）的独特数据集,在四年的时间里，有000名疑似脓毒症的成年人住进了山间医院的急诊科. 对数据集的分析可以大发娱乐改善对疑似脓毒症患者的治疗.
使用退伍军人事务部电子健康记录数据评估2型糖尿病患者二线药物选择的基于机器学习的异质性治疗效果
Jincheng Shen Ph.D. (population health sciences), Srinivasan Beddhu M.D. (internal medicine), Tom Greene Ph.D. (population health sciences)
- 利用退伍军人事务部电子健康记录系统, Shen和他的同事们试图开发新的基于机器学习的方法来预测哪些治疗方法可以用来降低2型糖尿病患者的低血糖风险. 他们还希望确定哪些患者从每种治疗策略中获益最大.