Väitös tietotekniikan alalta, DI Yogesh Kumar

Väitöskirjan nimi: Efficient Transfer Learning with Sequential and Multi-Modal Approaches for Electronic Health Records

Tohtoriopiskelija: Yogesh Kumar
Vastaväittäjä: professori Line Clemmensen, University of Copenhagen, Tanska
Kustos: apulaisprofessori Pekka Marttinen, Aalto-yliopiston perustieteiden korkeakoulu, tietotekniikan laitos

Sähköiset potilaskertomukset sisältävät arvokasta potilastietoa, jota voidaan käyttää terveydenhuollon tarpeiden ja tulosten ennustamiseen, mutta tiedon monimutkaisuus ja laatu aiheuttavat usein haasteita. Tutkimuksen tavoitteena oli kehittää tekoälymalleja, jotka kykenevät tarkempiin ennusteisiin, ja samalla ratkaista laskennallisia ongelmia, kuten rajoitettua datan saatavuutta ja asiantuntijoiden työpanoksen tarvetta datan laadun varmistamiseksi.

Tutkimuksessa kehitettiin uusia tekniikoita parantamaan tekoälymallien ennustuskykyä ja tarkkuutta terveydenhuollon kysynnän ennustamisessa. Hyödyntämällä siirto-oppimista (transfer learning) mallit pystyivät toimimaan tehokkaasti myös pienemmillä tietoaineistoilla, mikä on yleinen rajoite terveydenhuollon sovelluksissa. Lisäksi tutkimus kehitti uusia menetelmiä mallien vertailuun sekä asiantuntijatiedon integroimiseen lääketieteellisiin kuvantamismalleihin, mikä lisäsi niiden tarkkuutta ja tehokkuutta.

Tutkimuksen tulokset tarjoavat käytännön hyötyjä terveydenhuollon toimijoille auttamalla tekemään tarkempia ennusteita, optimoimaan resursseja ja parantamaan potilaiden hoitoa. Nämä edistysaskeleet luovat pohjan tuleville kehitysaskelille terveysanalytiikassa ja yhdistävät huipputason tekoälytutkimuksen käytännön sovelluksiin terveydenhuollossa.

Linkki väitöskirjan sähköiseen esittelykappaleeseen (esillä 10 päivää ennen väitöstä): https://aaltodoc.aalto.fi/doc_public/eonly/riiputus/ 

Perustieteiden korkeakoulun väitöskirjat: https://aaltodoc.aalto.fi/handle/123456789/52