Ovo predavanje istražuje sve značajniju ulogu obrade signala, mašinskog učenja i veštačke inteligencije u analizi biomedicinskih podataka i medicinskom oslikavanju. Prvi deo fokusira se na računarske metode u biološkim istraživanjima zasnovanim na mikroskopiji, uključujući multivju dekonvoluciju za rekonstrukciju slike, automatizovanu segmentaciju i praćenje ćelija, kao i pristupe fenotipizaciji zasnovane na ćelijskoj morfologiji. Pored toga, biće predstavljena matrična faktorizacija u kombinaciji sa aktivnim učenjem kao efikasna strategija za predikciju i otkrivanje ciljeva lekova iz visokodimenzionalnih bioloških podataka.
Drugi deo predavanja bavi se izazovima u digitalnoj patologiji, sa fokusom na metode dubokog učenja za segmentaciju histopatoloških slika. Posebna pažnja biće posvećena pristupima za detekciju glomerula na slikama bubrežnog tkiva, kao i upotrebi generativnih adversarijalnih mreža (GAN) za normalizaciju bojenja i prilagođavanje domena radi poboljšanja performansi segmentacije kroz različite protokole bojenja i skupove podataka.
Na kraju, predavanje razmatra širi uticaj veštačke inteligencije u medicini, ističući njenu rastuću ulogu kao alata za podršku dijagnostici i asistenta u donošenju odluka. Predavanje će biti zaključeno diskusijom o budućnosti AI-ja i potencijalnom razvoju sistema opšte veštačke inteligencije (AGI) za medicinu, uz osvrt na mogućnosti, ograničenja i etička pitanja naredne generacije zdravstvenih tehnologija.