Artur Chudzik jest inżynierem AI i badaczem rozwijającym wyjaśnialną sztuczną
inteligencję na potrzeby wczesnego wykrywania choroby Parkinsona i choroby Alzheimera.
W swojej pracy przekształca subtelne wzorce w funkcjach poznawczych, sposobie chodzenia,
mimice, ruchach oczu i obrazowaniu mózgu w interpretowalne biomarkery cyfrowe,
które pomagają monitorować chorobę i wspierać decyzje terapeutyczne.
Uzyskał doktorat z informatyki w Polsko-Japońskiej Akademii Technik Komputerowych
i jest członkiem grupy badawczej Digital Biomarkers in Neurodegenerative Diseases.
Ma także ponad dekadę doświadczenia w inżynierii oprogramowania i stosowanej AI,
dzięki czemu potrafi przekładać pomysły badawcze na rozwiązania użyteczne w praktyce.
W mojej pracy zadaję proste pytanie: czy możemy wykrywać choroby neurodegeneracyjne wcześniej,
ucząc się z subtelnych wzorców w zachowaniu, funkcjach poznawczych i mózgu?
Choroby neurodegeneracyjne to schorzenia mózgu, w których komórki nerwowe stopniowo
tracą funkcję i obumierają. Czas ma znaczenie, ponieważ widoczne objawy ruchowe
w chorobie Parkinsona często pojawiają się dopiero wtedy, gdy wiele neuronów
dopaminergicznych w istocie czarnej już obumarło. W chorobie Alzheimera szkodliwe
zmiany w mózgu mogą zaczynać się dekady przed rozpoznaniem otępienia. Proces
chorobowy może więc trwać długo, zanim dostępne dane staną się wystarczająco jasne,
by działać z pełnym przekonaniem. Wczesne sygnały mogą pomagać klinicystom
monitorować ryzyko, wybierać interwencje i dostosowywać leczenie, zanim przebieg
choroby stanie się trudniejszy do zmiany.
Wyzwanie metodologiczne polega nie tylko na klasyfikacji choroby, ale też
na tym, by wyjaśnić, z jakich przesłanek wynika predykcja. Dlatego ta praca
łączy obrazowanie mózgu, internetowe testy poznawcze, śledzenie ruchu gałek
ocznych, analizę ruchu, analizę ekspresji twarzy i inne biomarkery cyfrowe
z interpretowalnymi metodami uczenia maszynowego.
