11-02-2022

Adam Hulman er en af forskerne bag et studie, der viser, at behandlingen af blandt andet diabetespatienter kan støttes af eksisterende algoritmer indenfor kunstig intelligens. Han vil etablere et miljø, hvor alle uanset faglig ekspertise kan blive klogere på kunstig intelligens. Første skridt er en foredragsrække under overskriften ”Pie & AI” – tærte og kunstig intelligens.

Der er et gab mellem den datavidenskabelige og den kliniske forskning. Og det er ellers områder, der kan have stor gavn af at nærme sig hinanden, hvis vi skal skabe den bedste behandling for mennesker med diabetes.

- Vi læser ikke de samme tidsskrifter og tager ikke på de samme konferencer. Der er et stort potentiale i at bygge bro mellem felterne, siger Adam Hulman fra Steno Diabetes Center Aarhus.

Han var en af forskerne bag et nyligt studie fra Steno Diabetes Center Aarhus og Aarhus Universitet, der viser, at i stedet for at designe deres egne smarte algoritmer fra bunden, bør kliniske forskere i højere grad genbruge det, som allerede er tilgængeligt.

Vil skabe miljø med interesse for kunstig intelligens

I Steno Diabetes Center Aarhus vil vi gerne blive klogere på, hvordan kunstig intelligens og machine learning kan påvirke den kliniske forskning – og i sidste ende behandlingen af mennesker med diabetes eller i risiko for at få det.

Første skridt er en møderække under overskriften ”Pie & AI”. ”Pie”-delen skal tages helt bogstaveligt: der vil blive serveret tærte til næste møde – dog må du selv til bageren eller kogebogen, hvis du deltager online.

Møderne er en del af DeepLearning.AI, en online læringsplatform indenfor kunstig intelligens, som alene i december 2021 havde en million brugere på verdensplan.

Målet med møderne er at gøre alle med interesse for området klogere på kunstig intelligens – uanset om de er datavidenskabelige forskere, klinikere eller akademikere.

Læs også: Stort sundhedsvidenskabeligt potentiale i nettets algoritmer

Første møde af mange

Første møde i Pie & AI havde 45 deltagere fra Danmark og udlandet. Næste udgave handler - groft forenkelt - om, hvordan vi rammesætter problemstillingen, så man kan vælge den bedste maskinlæringsmetode for at få de rigtige svar.

Adam Hulman vil gerne udvikle et tværfagligt miljø for alle med interesse for kunstig intelligens,

- Hvis vi for alvor skal udbrede kendskabet til kunstig intelligens og machine learning, så er vi nødt til at investere i formidlingsprocessen. Og så skal vi inddrage forskere, praktikere og patienter, siger Adam Hulman.

Se de kommende "Pie & AI"-events her.


Næste udgave af Pie & AI

For alle - uanset om du er kliniker, akademiker eller bare almindelig interesseret i kunstig intelligens.

  • Mandag d. 21. februar 2022 klokken 14-15
  • Hedeager 3, auditoriet på 2. sal - eller via Zoom

Med Simon Meyer Lauritsen, Head of Life Science Lab, Enversion, DK

The framing of machine learning risk prediction problems
Problem framing is critical to developing clinical risk prediction models because all subsequent development work and evaluation takes place within the context of how a problem has been framed. An apparently good model with strong evaluation results in both discrimination and calibration is not necessarily clinically usable. Therefore, it is important to assess the results of objective evaluations within the context of more subjective evaluations of how a model is framed.

Tilmelding

https://www.eventbrite.com/e/pie-ai-aarhus-the-framing-of-machine-learning-risk-prediction-models-tickets-239349299197

 

Kontakt

Adam Hulman
Senior data scientist

adahul@rm.dk
+45 2370 7481

Tilmeld dig vores nyhedsmail

Nyhedsmailen er for dig, der ønsker udvalgte nyheder fra os direkte i din indbakke. Tilmeld dig her, så modtager du en nyhedsmail 2-4 gange om året.