我有幸参加了第33届ACM多媒体大会（ACM MM 2025），并在此次盛会上进行了论文汇报。国际多媒体大会（ACM International Conference on Multimedia，简称ACM MM）由国际计算机学会（ACM）主办，是多媒体处理、分析与计算领域最具影响力的国际顶级会议之一。自1993年创办以来，ACM MM每年都会汇聚来自全球的顶尖学者与产业专家，分享和探讨多媒体技术的最新研究成果与前沿进展。会议内容涵盖多媒体分析、处理、检索与理解，以及多媒体在人工智能、计算机视觉、人机交互等方向的广泛应用。ACM MM不仅是展示创新研究的重要平台，更是推动学术界与工业界深度合作、引领多媒体技术发展的风向标。 我汇报的论文题目为《MedAlign：利用多模态对齐增强组合药物推荐》（MedAlign: Enhancing Combinatorial Medication Recommendation with Multi-modality Alignment）。该研究聚焦于电子健康记录（EHR）中的多模态信息融合与药物推荐问题，提出了一种创新性的分布感知多模态对齐框架。MedAlign的核心思想是通过最优传输（Optimal Transport）方法实现药物文本描述、分子结构与ID嵌入的跨模态分布对齐，在统一的潜空间中有效捕获不同模态之间的一致性与互补性信息。随后，模型引入纵向多视角患者聚合模块，整合诊断、手术及历史用药等多源时序信息，生成高质量的患者动态表示；并通过组合药物推荐模块实现精准且安全的联合用药预测。实验结果显示，MedAlign在MIMIC-III和MIMIC-IV两大真实多模态医疗数据集上，较12种先进基线模型取得了显著性能提升，在Jaccard、F1和PRAUC等核心指标上均表现最佳，同时保持较低的药物相互作用（DDI）率。该研究充分展示了多模态对齐技术在智能医疗推荐系统中的潜力，为构建更安全、更高效的临床决策支持系统提供了新思路。 在论文汇报环节中，我向与会专家系统介绍了研究背景、核心方法及实验结果，现场得到了大会主席和听众的积极反馈与深入提问。通过与国内外学者的互动，我进一步拓展了学术视野，深化了对人工智能与多模态医疗交叉领域的理解。 在会议期间，我还积极参加了多场与医疗人工智能、多模态学习相关的研讨会，并与来自国际一流高校及研究机构的学者进行了深入交流与讨论。这不仅让我了解了学界在多模态智能分析和AI医疗应用领域的最新进展，也为我后续的研究提供了宝贵启发。 总体而言，本次赴ACM MM 2025参会是我科研生涯中的一次重要经历。它不仅显著提升了我对国际前沿研究的理解与把握，也激发了我在智慧医疗、多模态融合与安全药物推荐方向上持续探索的科研热情。 该团组已进行事后公示。 （领队签字） |
