Jak wykryć chorobę,
zanim zniszczy mózg?

Artur Chudzik jest doktorem informatyki, inżynierem AI i naukowcem rozwijającym modele sztucznej inteligencji do wczesnego wykrywania choroby Parkinsona i choroby Alzheimera. Dba o to, by ich działanie dało się prześledzić i wyjaśnić. W swojej pracy przekształca subtelne wzorce w funkcjach poznawczych, sposobie chodzenia, mimice, ruchach oczu i obrazowaniu mózgu w użyteczne biomarkery cyfrowe, które pomagają monitorować chorobę i wspierać decyzje terapeutyczne. Doktorat uzyskał 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 praktycznych zastosowaniach 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 pracy 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. Choroba może więc rozwijać się długo, zanim jej oznaki staną się oczywiste. Wczesne sygnały mogą pomagać klinicystom monitorować ryzyko, wybierać interwencje i dostosowywać leczenie, zanim przebieg choroby stanie się trudniejszy do zmiany.

Trudność polega nie tylko na rozpoznaniu choroby, ale też na tym, by pokazać, co doprowadziło model do danego wyniku. Dlatego ta praca łączy obrazowanie mózgu, internetowe testy poznawcze, śledzenie ruchu gałek ocznych, analizę ruchu, analizę ekspresji twarzy i inne biomarkery cyfrowe z metodami uczenia maszynowego, których wyniki da się interpretować.