Ово предавање истражује све значајнију улогу обраде сигнала, машинског учења и вештачке интелигенције у анализи биомедицинских података и медицинском осликавању. Први део фокусира се на рачунарске методе у биолошким истраживањима заснованим на микроскопији, укључујући мултивју деконволуцију за реконструкцију слике, аутоматизовану сегментацију и праћење ћелија, као и приступе фенотипизацији засноване на ћелијској морфологији. Поред тога, биће представљена матрична факторизација у комбинацији са активним учењем као ефикасна стратегија за предикцију и откривање циљева лекова из високодимензионалних биолошких података.
Други део предавања бави се изазовима у дигиталној патологији, са фокусом на методе дубоког учења за сегментацију хистопатолошких слика. Посебна пажња биће посвећена приступима за детекцију гломерула на сликама бубрежног ткива, као и употреби генеративних адверсаријалних мрежа (GAN) за нормализацију бојења и прилагођавање домена ради побољшања перформанси сегментације кроз различите протоколе бојења и скупове података.
На крају, предавање разматра шири утицај вештачке интелигенције у медицини, истичући њену растућу улогу као алата за подршку дијагностици и асистента у доношењу одлука. Предавање ће бити закључено дискусијом о будућности AI-ја и потенцијалном развоју система опште вештачке интелигенције (AGI) за медицину, уз осврт на могућности, ограничења и етичка питања наредне генерације здравствених технологија.