A konferenciát megelőzően, július 6. és 14. között megrendezett nyári iskola gyakorlatorientált képzést kínált az orvosi adattudomány iránt érdeklődő 46 hallgató számára, akik a világ tíz országából érkeztek. A program intenzív, hands-on műhelymunkák keretében kapcsolta össze a biostatisztikát, a hálózattudományt, a gépi tanulást, az adatvizualizációt és az orvosbiológiai alkalmazásokat, elősegítve a különböző tudományterületek közötti tudástranszfert. A kezdeményezés célja, hogy országos és regionális szinten egyaránt hozzájáruljon az egészségügyi digitalizáció, az adatalapú kutatások és a modern egészségügyi elemzési módszerek elterjedéséhez, reagálva az orvostudomány gyorsan változó kihívásaira. A nyári iskola kreditpontot érő programja az orvosbiológiai hálózattudomány, az egészségügyi adatforrások és vizualizáció, az orvosi adatokon alapuló gépi tanulás és a strukturálatlan adatokon alapuló mély tanulás témaköreire összpontosított. A résztvevők mentorok irányítása mellett csoportokban is dolgoztak adatalapú projektekben, alkalmazva a különböző kurzusokon elsajátított ismereteket, a program végén pedig a csoportok bemutatták eredményeiket egy szakértő zsűrinek.
A konferencia megnyitóján elmondott beszédében dr. Merkely Béla, a Semmelweis Egyetem rektora felhívta a figyelmet arra, hogy az egészségügyben keletkező adatmennyiség robbanásszerű növekedése, a mesterséges intelligencia fejlődése és az egyre összetettebb kutatási kérdések napjainkban új szemléletet kívánnak.
Ma már nem elegendő kizárólag klinikai vagy biológiai tudással rendelkezni – szükség van az adattudomány, a matematika, az informatika és a hálózattudomány eszközeire is ahhoz, hogy a rendelkezésünkre álló információból valódi tudás szülessen
– fogalmazott. „A Semmelweis Egyetem stratégiai céljai között kiemelt helyet foglal el az innováció, a digitalizáció és a mesterséges intelligencia felelős alkalmazása az oktatásban, a kutatásban és a betegellátásban. Hiszünk abban, hogy az adatvezérelt orvoslás nem a jövő ígérete, hanem a jelen egyik legfontosabb feladata” – hangsúlyozta a rektor. Kiemelte továbbá a konferenciát megelőző nyári iskola sikerét is, hozzátéve, hogy annak során a résztvevők nem csupán korszerű módszertani ismereteket sajátíthattak el, hanem olyan nemzetközi kapcsolatrendszert is építhettek, amely hosszú távon meghatározhatja tudományos pályájukat. Beszéde zárásaként reményét fejezte ki, hogy a konferencia a kiváló tudományos előadások és tartalmas szakmai viták mellett új kutatási együttműködések, közös publikációk és hosszú távú nemzetközi partnerségek kiindulópontjaként is szolgál majd.
Köszöntőjében dr. Molontay Roland, az esemény főszervezője, a Biostatisztikai és Hálózattudományi Intézet igazgatója, a Budapesti Műszaki és Gazdaságtudományi Egyetem kereteiben működő HSDSLab laborvezetője röviden bemutatta az intézet munkáját, majd visszatekintett a tavalyi, sikeres orvosi adattudományi nyári iskolára és konferenciára. Az idei rendezvénysorozat kapcsán beszélt a nyári iskola változatos programjáról, és hozzátette: lenyűgözte az előadások színvonala, illetve az, hogy a hallgatók ilyen rövid idő alatt milyen komoly teljesítményre voltak képesek. Mint elmondta, a nyári iskola programját kiegészítő társasági eseményeket is szerveztek, így az érdeklődők ellátogathattak a Budapesti Szent István Bazilikába és a Szentendrei Szabadtéri Néprajzi Múzeumba is. A háromnapos konferencia nemzetközi jellegét méltatva kiemelte: 59 résztvevő érkezett 15 országból, a világ minden tájáról. Felhívta a figyelmet a konferenciát lezáró díjátadó ünnepségre is, melynek keretében a legkiválóbb előadáson és poszterprezentáción kívül idén a legjobb kérdezőt is díjazták.
Keynote előadásában dr. David Fenyő, a New York-i Egyetem (NYU) Grossman Orvostudományi Karának professzora ismertette a térbeli omikai adatok elemzésére szolgáló legújabb számítógépes megközelítéseket, és bemutatta, hogyan segítheti hozzá a kutatókat a mesterséges intelligencia és a matematikai modellezés a rákos szövetek mikrokörnyezetének jobb megértéséhez. Kutatásai azt vizsgálják, hogy miért reagálnak egyes daganatok jól a kezelésre, míg mások kiújulnak; végső céljuk a klinikai döntéshozatal megkönnyítése és személyre szabott terápiák kifejlesztése.
Dr. David Fenyő plenáris előadása két, egymást kiegészítő elemzési stratégiára összpontosított: az egyik az önfelügyelt gépi tanulást alkalmazza a rendkívül összetett képalkotó adatokban rejlő rejtett mintázatok feltárására anélkül, hogy előre meghatározott sejtszegmentálásra támaszkodna, míg a másik egyszerűsített matematikai modelleket használ a különböző sejttípusok közötti kölcsönhatások leírására, korlátozott számú, értelmezhető paraméterrel. A professzor szerint e megközelítések kombinálásával klinikailag releváns információk nyerhetők ki az egyre kifinomultabb térbeli omikai technológiákból. Az endometrium rákot esettanulmányként felhasználva bemutatta, hogy ezek a módszerek miként segíthetnek a sikeres immunterápiával összefüggő szöveti jellemzők azonosításában, valamint annak feltárásában, hogy a kezelésre alkalmas betegek közel felénél miért marad hatástalan az immunellenőrzőpont-gátló terápia. Kutatócsoportja elemzései arra utalnak, hogy nem csupán az immunsejtek jelenléte, hanem a daganatban való térbeli elrendezése is befolyásolja a kezelés kimenetelét. Dr. David Fenyő arra a következtetésre jutott, hogy a fejlett számítógépes módszerek és a klinikailag releváns kutatási kérdések integrálása elengedhetetlen a térbeli omikai adatok rákdiagnosztika és -kezelés fejlesztéséhez való felhasználásához.
A konferencián keynote előadást tartott dr. Andreas Dengel, a Német Mesterséges Intelligencia Kutatóközpont (DFKI) tudományos igazgatója, dr. Petra Vértes, a Cambridge-i Egyetem kutatója, valamint dr. Jörg Menche, a Bécsi Egyetemhez köthető Max Perutz Labs professzora is. Rajtuk kívül számos fiatal kutató, PhD-hallgató és posztdoktori kutató mutatta be legújabb kutatási eredményeit kilenc szekcióban a biomedikai adattudomány és a mesterséges intelligencia legfontosabb aktuális kérdéseiről.
A Biostatisztikai és Hálózattudományi Intézet
A 2024 októberében alakult Biostatisztikai és Hálózattudományi Intézet klinikai és orvosbiológiai adattudományi képzéseket kínál angol nyelven, adat- és hálózattudományi kutatásokat folytat, továbbá olyan haladó matematikai és számítástudományi módszertannal támogatja orvosbiológiai kutatási kérdések megválaszolását, mint például a gépi látás, a természetes nyelvfeldolgozás, a prediktív analitika, a mesterséges intelligencia és a hálózattudomány módszerei. Az intézet célja a betegellátási rendszerekből és saját adatgyűjtésekből származó komplex orvosbiológiai adatok feldolgozása modern statisztikai, hálózattudományi és mesterséges intelligencia eszközökkel. Az itt folyó interdiszciplináris együttműködések révén az orvosok, statisztikusok és adattudósok közösen dolgoznak ki gyorsan bevezethető adatvezérelt innovációkat, támogatva a klinikai döntéshozatalt és a személyre szabott orvoslást.
Galéria
Dr. Csizmadia Balázs
Fotó: Barta Bálint – Semmelweis Egyetem
A rendezvénysorozat a Nemzeti Kutatási, Fejlesztési és Innovációs Hivatal (NKFIH) Mecenatúra pályázati programjának támogatásával valósult meg. Pályázati azonosító: NKFI-154653
Köszönjük a DPC Software GmbH szponzori támogatását.
