Najważniejsze
- •Prof. Dr. Jianxu Chen został 2 lipca 2026 roku powołany na profesora AI w biomedycznej analityce na Uniwersytecie Duisburg-Essen.
- •Jego badania koncentrują się na uczeniu maszynowym do analizy złożonych obrazów biomedycznych, zwłaszcza mikroskopowych danych 3D i wielokanałowych.
- •AI ma pomagać w szybkim wykrywaniu subtelnych różnic między zdrowymi i chorymi komórkami oraz w analizie tysięcy zdjęć w kilka minut.
- •Chen rozwija dopasowane do konkretnych pytań medycznych oprogramowanie i współpracuje z UDE, Uniwersyteckim Szpitalem w Essen oraz ISAS.
- •Nominacja wzmacnia obszar łączący informatykę z medycyną, z potencjałem do przyspieszenia diagnozy i wykrywania zmian chorobowych.
Prof. dr Jianxu Chen został 2 lipca 2026 roku powołany na stanowisko profesora sztucznej inteligencji w biomedycznej analityce na Uniwersytecie Duisburg-Essen.
Prof. dr Jianxu Chen został 2 lipca 2026 roku powołany na stanowisko profesora sztucznej inteligencji w biomedycznej analityce na Uniwersytecie Duisburg-Essen. Badacz prowadzi jednocześnie prace w Leibniz-Institut für Analytische Wissenschaften ISAS, a uczelnia i instytut kontynuują w ten sposób wspólną współpracę naukową w formule Jülicher Modell.
Chen koncentruje się na wykorzystaniu uczenia maszynowego do analizy obrazów biomedycznych. Jak sam wskazał, algorytmy mogą w kilka minut przeanalizować tysiące mikroskopowych zdjęć i wychwycić informacje niewidoczne dla ludzkiego oka. Chodzi zwłaszcza o złożone dane trójwymiarowe, obrazy wielokanałowe oraz rejestrowane przez dłuższy czas, w których naukowcy szukają subtelnych różnic między zdrowymi a chorymi komórkami.
Nowy profesor ma rozwijać oprogramowanie AI dopasowane do konkretnych pytań medycznych. W swoich badaniach współpracuje z grupami z Uniwersyteckiego Szpitala w Essen, UDE i ISAS. Chen podkreśla, że najlepsze wyniki daje uwzględnienie metod opartych na AI już na etapie planowania badań obrazowych. Jego zespół chce w ten sposób lepiej wykorzystać potencjał danych pozyskiwanych w biomedycynie.
Naukowiec ma zaplecze w informatyce i naukach ścisłych. Matematyki uczył się na University of Science and Technology w Chinach w latach 2007–2011. Doktorat z informatyki i inżynierii uzyskał w 2017 roku na University of Notre Dame w USA. Przez cztery lata pracował w Allen Institute for Cell Science w Seattle, gdzie kierował zespołem badawczo-rozwojowym zajmującym się uczeniem maszynowym w analizie obrazów komórkowych. W 2021 roku przeszedł do ISAS jako kierownik grupy AMBIOM, czyli Analysis of Microscopic BIOMedical Images.
Rozwój mikroskopii wysokiej rozdzielczości zwiększa ilość danych, które trzeba szybko i precyzyjnie analizować. AI ma w tym pomagać, ale skuteczność takich narzędzi zależy od jakości danych, sposobu ich zebrania i dopasowania algorytmów do konkretnego zadania. W biomedycynie oznacza to potrzebę dalszych badań nad tym, jak najlepiej łączyć obrazowanie, analizę danych i zastosowania kliniczne.
W praktyce nominacja Chena wzmacnia obszar badań, który łączy informatykę z medycyną i diagnostyką. Jeśli rozwijane przez jego zespół narzędzia sprawdzą się w zastosowaniach badawczych, mogą przyspieszyć analizę materiału obrazowego i ułatwić wykrywanie zmian chorobowych na wcześniejszym etapie.
,,IMiD- Czy zespoły do innowacji i AI są potrzebne w szpitalach?''
Jak AI wspiera analizę obrazów biomedycznych
Na podstawie artykułu o prof. Jianxu Chenie i jego badaniach nad AI w analizie obrazów biomedycznych.
Słownik pojęć
- Uczenie maszynowe
- Dziedzina AI, w której algorytmy uczą się rozpoznawać wzorce na podstawie danych, bez ręcznego programowania każdej reguły.
- Obrazy biomedyczne
- Obrazy pochodzące z badań medycznych i biologicznych, np. mikroskopowe zdjęcia komórek, tkanek lub narządów.
- Obrazy wielokanałowe
- Materiał obrazowy rejestrowany w kilku kanałach jednocześnie, co pozwala analizować różne cechy próbki.
- Dane 3D
- Trójwymiarowe obrazy lub zbiory danych pokazujące strukturę obiektu w przestrzeni, a nie tylko na płaskim obrazie.
- Jülicher Modell
- Model wspólnych powołań naukowych, w którym profesor współpracuje jednocześnie z uczelnią i instytutem badawczym.
- Analiza obrazów komórkowych
- Ocenianie cech komórek na podstawie zdjęć mikroskopowych, często wspierane przez algorytmy komputerowe.
