邹娜
上海人工智能实验室 · 青年领军科学家
美国国家科学基金会CAREER奖获得者
科研界上海
可信人工智能算法公平可解释学习迁移学习医疗人工智能
个人简介
邹娜现任上海人工智能实验室青年领军科学家，曾在美国高校从事工业工程、数据科学与机器学习教学研究。她的工作聚焦可信人工智能，研究算法公平、可解释性、捷径学习、迁移学习及大规模动态网络数据建模，并将方法用于医疗健康场景。近期公开报告重点讨论器官移植中的供体评估、受体匹配和术后监测，尝试以可解释和公平的模型降低临床决策偏差，兼顾预测性能、群体公平与实际部署需求。
专业成就
1. 建立面向数据偏差和模型偏差的公平机器学习方法，研究性能、公平性与可解释性之间的权衡。
2. 将可信机器学习用于心脏及肝脏移植风险预测，关注不同人群中的预测误差和医疗资源公平分配。
3. 在ICML、NeurIPS、KDD及工程管理期刊发表机器学习与网络分析研究成果。
科研成果
1. 提出针对移植后移植物失功预测的两阶段去偏方法，在保持预测能力的同时改善群体公平性。
2. 开展医疗传感时间序列的人类对齐深度学习研究，提高模型鲁棒性、解释性和临床可用性。
3. 研究模型捷径学习、迁移学习和关系推断，为高风险医疗AI系统的可靠部署提供方法基础。
荣誉奖项
2023年美国国家科学基金会CAREER奖
2025年Women in AI Awards研究者奖入围者
2025年休斯敦大学青年教师科研卓越奖
2015年IEEE Irv Kaufman最佳学生论文奖
行业贡献
1. 将公平性、可解释性和鲁棒性评价引入器官移植AI，促进高风险医疗算法负责任应用。
2. 面向医生工作流梳理供体评估、受体匹配和术后监测中的可信AI路径。
3. 参与可信人工智能人才培养和跨学科合作，连接机器学习、运筹优化与临床决策研究。