subject@endsection Θεοδωρος Ζανος | Ομιλητές | Το Συνέδριο | ΣΦΗΜΜΥ 12
Speaker

Θεόδωρος Ζάνος

Επικεφαλής του Neural and Data Science Lab και Assistant Professor - Feinstein Institutes for Medical Research

Ο Δρ. Θεόδωρος Ζάνος είναι ο επικεφαλής του Neural and Data Science Lab και Επίκουρος Καθηγητής στο Feinstein Institutes for Medical Research και του Zucker School of Medicine, Hofstra Northwell. Έλαβε το Δίπλωμα Μηχανικού από το Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης στην Ελλάδα το 2004 και το Μεταπτυχιακό και Διδακτορικό του στην Βιοϊατρική Μηχανική από το University of Southern California, Viterbi School of Engineering το 2006 και το 2009 αντίστοιχα. Το 2009, ο Δρ. Ζάνος προσελήφθη ως μεταδιδακτορικός ερευνητής στο Montreal Neurological Institute (MNI), McGill, στο Μοντρεαλ του Καναδά και το 2016 συνέχισε στο Institute of Bioelectronic Medicine at the Feinstein Institutes for Medical Research σαν μέλος του διδακτικού προσωπικού και ανώτερος ερευνητής.

Η τρέχουσα ερευνά του επικεντρώνεται στην ανάπτυξη καινοτόμας τεχνητής νοημοσύνης και εργαλεία μηχανικής μάθησης που παρέχουν την δυνατότητα σύντομης διάγνωσης, αξιολόγηση σοβαρότητας ασθένειας, και εξατομίκευσης και προσαρμοστικότητας των θεραπειών. Για αυτόν τον σκοπό, η ομάδα του συνδυάζει επεξεργασία νευρολογικών και σωματικών σημάτων, μηχανική μάθηση, νευροφυσιολογία και ανάλυση μαζικών ιατροφαρμακευτικών δεδομένων. Οι δύο κυριότεροι στόχοι του Neural and Data Science lab είναι 1) η κατανόηση του τρόπου με τον οποίο το νευρικό σύστημα αισθάνεται την κατάσταση και επηρεάζει την λειτουργία του ανοσοποιητικού, μεταβολικού και καρδιοαναπνευστικού συστήματος, με σκοπό την ανάπτυξη συσκευών νευροδιαμόρφωσης που είναι σε θέση να διαγνώσουν και να αντιμετωπίσουν διάφορες ασθένειες και καταστάσεις και 2) ο συνδυασμός πολλαπλών ιατροφαρμακευτικών μεθοδευμένων δεδομένων (EHR, συνεχή ζωτικά, απεικόνιση, unstructured notes) με πρωτοποριακές μεθόδους μηχανικής μάθησης για την ανάπτυξη μοντέλων κλινικής πρόγνωσης και διάγνωσης.

Ο Δρ. Ζάνος έχει συγγράψει περισσότερες από 30 δημοσιεύσεις με περισσότερα από 3.500 αναφορές, σε περιοδικά όπως Neuron, PNAS, JAMA, Nature Machine Intelligence, npj Digital Medicine, Journal of Neuroscience και άλλα. Επίσης η έρευνά του έχει παρουσιαστεί στα PBS, Scientific American, CNET και άλλα μέσα ενημέρωσης. Του έχει απονεμηθεί το βραβείο Excellence in Research Award το 2018, το Jean Timmins Award το 2012 και το Center of Excellence in Commercialization and Research Award το 2010. Πρόσφατα ηγήθηκε της ομάδας COVID-19 Northwell Machine Learning, η οποία εξελίχθηκε εξαιρετικά γρήγορα και ανέπτυξε μια σουίτα μοντέλων προβλέψεων μηχανικής μάθησης, τα οποία αύξησαν τους πόρους υγειονοµικής περίθαλψης μέσω της οδήγησης κλινικής λήψης αποφάσεων, με σκοπό την βελτίωση τόσο των επιχειρησιακων and ασθενοκεντρικών αποτελεσμάτων κατά την διάρκεια της πανδημίας και έπειτα.

Machine Learning in Bioelectronic Medicine and Clinical Predictive Models

One of the most exciting areas of healthcare research lies at the intersection of artificial intelligence and medicine. At the Neural and Data Science lab, we are combining the ever-expanding power of machine learning methods with ever-increasing healthcare data and new medical device technologies that aim to replace drugs with electrons. We aim to develop a new way to diagnose and treat diseases using data, algorithms and electricity. I will provide an overview of some ways that machine learning methods can be the foundation of new technologies that will enable early diagnosis of diseases, prediction of clinical deterioration and personalization of bioelectronic therapies. I will also give an example of how we used “emergency” machine learning, to provide clinical insights and decision support during the early months of the COVID-19 pandemic and the numerous challenges such an effort entails.