Skaper tverrfaglige samarbeid
Forskerskolen fant sted i historiske omgivelser, og programmet oppmuntret til aktiv deltakelse gjennom praktiske kurs, datakonkurranser, vitenskaplige foredrag, poster sessions og et hurtigkurs i publisering.
Den vakre høststemningen på Oscarsborg skapte en atmosfære som inspirerte studentene til å blande historiekunnskap med nyskapende teknologi. En serie med flotte presentasjoner og postere viste hvor dedikerte de er til å videreutvikle helsetilbud og medisinsk fysikk gjennom AI, ved å fremme tverrfaglige samarbeid.
Prisen for beste muntlige presentasjon og beste poster inkluderte et reisestipend på 5000 kr, og gikk til Borghild Tednes Larsen for presentasjonen Evaluating Iterative Deep Learning as a Labeling-Efficient Strategy for Tubular Segmentation in Digital Nephropathology, og til Preetraj Bhoodoo for posteren Spatio-Temporal Landmark Detection via Foundation Model+Graph Neural Network Integration in Echocardiography.
Alle lagene som deltok i den medisinske datakonkurransen gjorde det bedre enn grunnlinjen satt av arrangør Steven Hicks (Simula). Vinnerlaget OncoScope (Sebastian Aas, Toprak Dogramaci, Ute Spiske, Nikolaos Zantalis, Silje Hauge), oppnådde en imponerende F1-score på 0.7762.
Vitenskapen
Dag 1 – onsdag 15. oktober
Konferansen begynte med et engasjerende foredrag av Leif Oltedal (MMIV) som understreket viktigheten av en medisinsk forskerskole. Ingerid Skjei Knudtsen (NTNU) introduserte Medical Imaging Physics for the AI Scientist, fulgt av Frank Riemen (HUH) som snakket om de menneskelige aspektene av avbildning som blir avdekket av ufullstendige data. Cecilia Marie Futsæther (NMBU) avsluttet serien av inspirerende foredrag med å snakke om grunnleggende dyplæring i medisinsk avbildning. Det ble så holdt et kurs i versjonskontroll med bruk av GitHub, holdt av Arash Ahmadi (UiO).
Dag 2 – torsdag 16. oktober
Dagen begynte med et dypdykk i bruk av versjonskontroll, med Arash Ahmadi (UiO). Lukas Hirschi (HUH) fortalte om bruk av AI i planlegging av kreftbehandling, med fokus på styrker og utfordringer. Borghild Tednes Larsen (HUH) presenterte en evaluering av dyplæring som effektiv merkingsstrategi for rørformet segmentering. Manish Kakar (OUS) introduserte flere AI-teknikker som tilrettelegger for tidlig oppdagelse av toksisitet igangsatt av stråling i spyttkjertler.
Luca Boretto (OUS) presenterte en intraoperativ 3D-rekonstruksjon for laparoskopisk navigering av leveren. Saeid Rezaei (University College Cork) snakket om maskiner for generativ belønning for automatisert modelloptimering innen medinsk avbildning. De korte muntlige presentasjonene ble avsluttet med et foredrag av Christian Salomonsen (UiT) om fysikk-informert dyplæring for forbedret inputfunksjonsestimering i PET-bilder med bevegelsesuskarphet. I siste del av denne dagen med engasjerende presentasjoner, ble det holdt et læringsrikt hovedforedrag av Karl Øyvind Mikalsen (SPKI) om AI i medisinsk forskning og klinisk praksis. Om ettermiddagen ble det holdt en medisinsk datakonkurranse, arrangert av Steven Hicks (Simula).
Dag 3 – freda 17. oktober
Karoline Skogen (OUS) startet forskerskolens siste dag med en dag med å fortelle om forskjellene mellom interne og kommersielle AI-verktøy når det kommer til pasienter med traumatiske hjerneskader, fra et radiologisk perspektiv. Dette ble fulgt av korte presentasjoner fra Arina Surko (Høgskolen i Østfold), Mathilde Gajda Faanes (SINTEF), Ute Spiske (SINTEF), Marianne Hannisdal (UiB) og Erlend Løland Gundersen (NTNU) om implementeringen av deres forskningsbaserte produktløsninger, inkludert AI-drevet genomisk databasesøk, brystkreftprognose og forbedret estimering av blodgjennomstrømming i ekkokardiografi. Den siste dagen ble avsluttet med et imponerende arbeid presentert av Samuel Kuttner (UiT), som introduserte DLIF, en ikke-invasivt, automatisk generert input-funksjon for kinetisk modellering i dynamisk PET.
Nettverksbygging
Ingen konferanse er komplett uten muligheter for sosialisering og nettverksbygging. Under PRESIMAL fikk deltakerne sin første sjanse til å knytte kontakter i løpet av teambyggingsaktiviteten arrangert av Justine Dickoff (NORA) på konferansens første dag.
Deltakerne ble delt inn i grupper på 4-5 personer, og fikk i oppgave å finne en felles interesse; for gruppe 2, var det deres kjærlighet til matlaging. Høydepunktet under denne aktiviteten var en tur rundt på naturskjønne Oscarsborg, hvor deltakerne fikk utforske fortet og reflektere over områdets historie fra 9. april 1940. Den siste dagen fikk studenter og forskere delta i et hurtigkurs i publisering, og idémyldre om potensielle samarbeid om tverrfaglig publisering. Vi ser fram til å se noen av disse konseptene publisert i Nordic Machine Intelligence (NMI) Journal neste år!
Tusen takk
Organisasjonskomitéen vil gjerne takke alle studenter, foredragsholdere og Oscarsborg Hotel for at PRESIMAL høstskole ble en så morsom, inklusiv, lærerik og spennende opplevelse!
Om PRESIMAL
PRESIMAL samler Norges ledende forskningsmiljøer innen presisjonsavbildning og maskinlæring. Nettverket fremmer forskning på maskinlæring innen presisjonsmedisin, med fokus på medisinsk avbilding ved bruk av forskjellige metoder og for forskjellige typer sykdommer. Målet er å utvikle mer nøyaktige diagnostiske verktøy for forbedret prognose og behandling. Ved å dele bildedata, metoder, infrastruktur og tverrfaglig eksperise, akselererer PRESIMAL framgangen i presisjonsavbildning. I tillegg fremmer nettverket opprettelsen av nasjonale, digitale platformer for å teste maskinlæringsalgoritmer, og overføre dem til klinisk praksis.