Artur Chudzik jest inżynierem AI i badaczem 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.
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 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.
