Przejdź do treści Wyszukiwarka

Stoimy u progu czwartej rewolucji przemysłowej, której podstawą jest rozwój sztucznej inteligencji. Postępy AI to szansa także na usprawnienie diagnostyki medycznej. Lekarzy jest obecnie zbyt mało, by odpowiedzieć na potrzeby starzejącego się społeczeństwa. W rezultacie specjaliści są coraz bardziej przepracowani, a dostęp do nich coraz bardziej ograniczony. W jaki sposób sztuczna inteligencja może wesprzeć lekarzy w ich codziennej pracy? Czy dedykowane rozwiązania mogą usprawnić diagnostykę chorób i nowotworów? To główne obszary pracy badawczej naszego zespołu.

Naszym celem jest kształtowanie przyszłości diagnostyki medycznej poprzez opracowanie rozwiązań opartych na sztucznej inteligencji. W pracach badawczych koncentrujemy się na analizie obrazowych danych medycznych, takich jak dane radiologiczne oraz histopatologiczne (digital pathology).

Na przestrzeni 30 lat, ponad dwukrotnie wzrosła liczba zachorowań na nowotwory złośliwe, które są jedną z najczęstszych przyczyn przedwczesnych zgonów w krajach wysoko i średnio rozwiniętych. Kluczowe znaczenie w walce z chorobą nowotworową ma szybka i skuteczna diagnostyka, której podstawą są badania radiologiczne oraz histopatologiczne. Nowe technologie, dynamiczny rozwój AI i widzenia komputerowego oraz wzrost możliwości obliczeniowych przyczyniły się do znacznego postępu w cyfrowej diagnostyce medycznej. Obecnie możemy zastosować złożone algorytmy do wykrywania i segmentacji obszarów nowotworowych, klasyfikacji wystąpienia choroby oraz przewidywania odpowiedzi na leczenie. Możliwości te pozwalają nam wspierać proces diagnostyki medycznej, zmniejszając obciążenie lekarzy, czas diagnozy i koszty. Jednocześnie możemy śledzić rozwój i złożoność choroby.

Prowadzone przez nas badania mają charakter interdyscyplinarny i łączą obszary takie jak uczenie maszynowe, biologia i medycyna. Ściśle współpracujemy z jednostkami medycznymi oraz lekarzami w celu opracowania nowych algorytmów wspierających diagnostykę medyczną oraz lepszego zrozumienia rozwoju chorób nowotworowych.

 

Lider zespołu badawczego


Żaneta Świderska-Chadaj

Dr hab. inż. Żaneta Świderska-Chadaj, prof. PW jest ekspertem w dziedzinie analizy obrazu biomedycznego i biologicznego. Kieruje zespołem Diagnostyka patologii medycznych w IDEAS NCBR. Jej badania mają charakter aplikacyjny i interdyscyplinarny: łączą takie dziedziny jak głębokie uczenie się, uczenie maszynowe i wizja komputerowa, biologia i medycyna. Jest profesorem na Politechnice Warszawskiej, gdzie prowadzi badania w obszarze biomedycznym. Odbyła staż podoktorski w Computational Pathology Group w Radboud w Niderlandach (2017-2020) oraz Visiting Research w Cedar-Sinai Medical Center w Los Angeles w 2019 r. oraz na Uniwersytecie Castilla-La Mancha w Hiszpanii w 2017 r. Laureatka stypendium Start Fundacji na Rzecz Nauki Polskiej, Stypendium Ministra dla Wybitnych Młodych Naukowców oraz Nagrody Naukowej „Polityki”.

Inne grupy i zespoły badawcze

  • Uczenie w sterowaniu, grafach i sieciach Zespół badawczy rozwija sieci neuronowe generujące grafy. Rozwiązania te są zorientowane na automatyczne projektowanie struktur naturalnie reprezentowanych przez grafy, takich jak molekuły czy sieci energetyczne.
    Paweł Wawrzyński
  • Grafika komputerowa Grafika komputerowa, subdyscyplina informatyki, tradycyjnie zajmuje się algorytmami cyfrowej syntezy i manipulacji treściami wizualnymi i geometrycznymi.
    Przemysław Musialski
  • Algorytmy w autonomicznych UAV Bezzałogowe statki powietrzne (ang. unmanned aerial vehicles – UAVs), znane również jako drony są coraz częściej wykorzystywane w różnych dziedzinach gospodarki.
    Karol Pieniący