Köszöntő beszédet mond Merkely Béla, a Semmelweis Egyetem rektora, valamint Molontay Roland, a szervezőbizottság elnöke.

A térbeli omikai adatok előállítására szolgáló módszerek gyors technológiai fejlődésen mennek keresztül, és egyre szélesebb körben alkalmazzák őket a szöveti mikrokörnyezet vizsgálatára egészségben és betegségben egyaránt. Ugyanakkor e nagy dimenziójú adatok elemzése komoly kihívást jelent.

Az előadás olyan stratégiákat ismertet, amelyek segítenek e kihívások leküzdésében, beleértve az önfelügyelt tanulási megközelítéseket az adatok szerkezetének feltárására, valamint egyszerű modellek felépítésére és ezek szimulációkkal történő értékelésére szolgáló módszereket. Példákon keresztül mutatja be, miként alkalmazhatók e két, egymást kiegészítő stratégia - az egyik sok paraméterrel modellezi az adatokat, a másik kevés paramétert használ - a szöveti mikrokörnyezet mélyebb megértésére.

• Bertold Pál: Integrating CT Radiomics and Proteomics to Characterize Small-Cell Lung Cancer

• Shreya Ghosh: Clinical Response Prediction for CFTR Modulator Therapy by Integrating Longitudinal Airway Metagenomics and Secretomics in an Age-Stratified Cohort

• Csongor Szaniszló: Segmentation of Cardiac Structures on CT Scans

Az adatok elérhetőségének és a számítási kapacitások növekedésének köszönhetően egyre több kognitív feladat bízható olyan számítógépekre, amelyek önálló tanulás révén javítják megértésünket, növelik problémamegoldó képességünket, vagy egyszerűen segítenek az információk megőrzésében. Ily módon a mesterséges intelligencia (MI) rendszerek egyre több területen bővítik képességeinket, nemcsak fizikai, hanem szellemi értelemben is.

Az elmúlt években a biológiai rendszerek mélyebb megértése érdekében az adatok szisztematikus gyűjtésére helyeztük a hangsúlyt. Az előadás a mesterséges intelligencia területének áttekintésével és osztályozásával indul, majd bemutatja, hogyan gyűjtjük, rendszerezzük és hasznosítjuk ezeket az adatokat. Külön kitér arra, miként használhatók fel az adatok gyakorlati alkalmazások fejlesztésére biológiai szekvenciaanalízisben, hogyan kombinálhatók különböző adatmodalitások a betegséget okozó biomarkerek azonosítására, valamint hogyan fejleszthetők magyarázható modellek gyógyszer-újrapozicionálás és -újrafelhasználás céljából.

• József Pintér: Estimating ROC-AUC for Clinical Scores under Range Restriction

• Tamás Kói: Meta-analysis of medians and quartiles

• Ubaida Fatima: Handling Uncertainty in Biomedical Data: A Fuzzy Machine Learning Approach for Disease Prediction

• Krisztián Buza: Enhanced ROCKET for the Automated Detection of Epileptic Tonic-Clonic Seizures Using Accelerometer Data

• Onur Yolay: From Prototype to Clinical Translation: Data-Driven Validation of an Adjustable Surgical Plate System for Orthognathic Surgery

• Luca Laura Bogner: NeoTracker: A Real-time Digital Event Log and Voice-Controlled Data Acquisition System for Neonatal Resuscitation and Delivery Room Care

Szekcióvezető: Artúr Vlaszov

• Umut Aygün: EEG-Based Decoding of Pinch Force Intention: Evaluating Machine and Deep Learning Models for Advanced Brain-Computer Interfaces 

• Elmira Bagautdinova: Reproducing bistable dynamics of two-dimensional model of a Hodgkin-Huxley-type physiological neuron using ML-methods 

• Attila Barna: Graph representation of bacterial cell-wall architecture from AFM: network extraction, interpretable damage descriptors, and patch-level readouts in E. coli 

• Zoltán Bereczki: Artificial-intelligence-based identification of biomarkers for long COVID subtypes 

• Eszter Birtalan: Soft body simulation for robotics in healthcare and prosthetics 

• Flóra Demeter: Impact of Genetic Background, Passage Number, and Confluency on the Transcriptome of Mesenchymal Stem Cells 

• Péter Domján: Uncertainty-Aware Path Selection in Graphs Using an Adapted Imprecision Entropy Indicator 

• Gobena Woldemariam Erkalo: Multilevel mixed effect analysis of factors associated with practice of sunlight exposure of infants among mothers in Mettu District, Illubabor zone, Oromia Region, Ethiopia

• Aleksandr Gonchenko: Complex Oscillatory Activity in Neuron Models Manifested as the Formation of Singular Shilnikov Attractors

• Miaoxin Huang: Integrated transcriptome analysis with mendelian randomization screening for biomarkers associated with prediabetes

• Benedetta Ingino: Echoes of Longevity: Analysis of Healthy Ageing Discourse on Social media, News and Scientific literature 

• Csaba Kiss: The Critical Role of Model Selection in Causal Inference: A Comparative Analysis of Classification Models within the InferBERT Framework for Pharmacovigilance 

• Gábor Koós: Chronic beta-blocker therapy in patients after cardiac arrest: mortality and catecholamine requirement 

• Donát Köller: Exposures Influencing the Performance of Health Industry Start-Ups and Spin-offs: a Systematic Review and Meta-Analysis 

• Pauline Maniapi: Digital Health and Personalized Medicine Advantages and Future Challenges for Healthcare Industries in Cameroon 

• Anett Nagy-Szakolczai: Beyond Diagnosis and Sex: Transdiagnostic Symptom Profiles Characterize Functional Heterogeneity in ASD, ADHD, and AuDHD 

• Bertold Pál:  Zero-Shot Deep Learning For Paleopathology: Spinal Segmentation In Archaeological CT via Totalspineseg

• Ádám Pál-Jakab: Meteorological Associations with Out-of-Hospital Cardiac Arrest: A National Time-Series Analysis in Hungary 

• Anton Panyushev: A computational method for multistability detection in neuron model analysis 

• Lea Seep: Assessment of the gut microbiome in age-related macular degeneration 

• Balázs Szabó:  Multiomic Characterization of Acute and Post-COVID Patients Using Chest X-Ray Radiomics and Proteomics 

• Szandra Szedlacsek: The beneficial effect of cognitive-motor training after stroke 

• Anett Nagy-Szakolczai: Derivation of a Simple Rule-Out Tool for Occult Lymph Node Invasion in PSMA PET/CT-Negative Prostate Cancer Patients: A Retrospective Registry Analysis

• Balázs Szigeti: Integrated Risk Stratification and Clinical Reporting Platform for Pediatric Acute Leukemias

• Tibor Kézi: NEVADA: National Evidence-based Validation using AI for Disease Analysis—An In Silico Framework for Adapting Clinical Trial Evidence to a National Real-World Population

• Ádám Pál-Jakab: Multimodal Decision Support Across the Out-of-Hospital Cardiac Arrest Care Pathway: From EMS Data to Clinical Action

• Kíra Diána Kovács: Integrative Machine Learning Analysis of Epigenetic, Microbiome, and Fitness Data for Biological Age Prediction

• Laura Bagi: Revealing the Contribution of Vaccine-Related Immune Genes to Lung Cancer Predisposition via Ultra-Rare Protein Truncating Variants

• Eperke Merkel: ARIANA: an AI-based ECG risk stratification platform for early prediction of atrial fibrillation and sudden cardiac death

Az egészség és a betegség folyamatai szinte kivétel nélkül nagyszámú, sokféle komponens - a molekuláktól a sejteken át a teljes szervekig - összehangolt működésén alapulnak. A hálózatok hatékony keretrendszert kínálnak e komplex rendszerek holisztikus leírására és megértésére. Egyedülálló módon ötvözik az intuitív, kvalitatív szemléletet a sokrétű analitikus és kvantitatív eszköztárral.

Az előadás áttekinti, miként értelmezhetők a molekuláris hálózatok térképekként, amelyek segítenek feltárni a molekuláris szintű eltérések és fenotípusos megnyilvánulásaik közötti kapcsolatot. Ezt követően felvázolja a hálózatbiológia és a hálózati medicina területének főbb kihívásait, valamint ismerteti a kutatócsoport legújabb eredményeit ezek kezelésére. Ezek a törekvések a nagyméretű biomedicinális adatok vizualizációját és értelmezését célzó módszertani fejlesztésektől - amelyek a mesterséges intelligenciát virtuális valóság technológiával ötvözik - egészen a konkrét klinikai alkalmazásokig terjednek, különös tekintettel a ritka betegségekre és a gyógyszer-újrapozicionálásra.

• Ubaida Fatima: Dangling Centrality: Identifying Critical Proteins in Biomedical Networks through Link Removal Analysis

• Csaba Kiss: Collaboration, Citation Impact, and Thematic Evolution in Pharmacology: Evidence from a 75-year Bibliometric Analysis of Q1 Journals

• Jelena Smiljanić: Inferring context-specific modules in biological systems

• Zita Zarándy: Individuality and information content of infrared molecular profiles: insights from a large longitudinal health-profiling study

• Li-Lan Chuang: Learning Analytics of LINE-Based Communication Platforms Supporting Nursing Clinical Internship Training: A Data-Driven Comparative Study

• Saeed Sani: Depressive symptoms and sleep quality in IBD patients and university students: a cross-sectional pilot study

• Deborah L. Nichols: From Latent Classes to Explainable Caregiver Personalization: A Translational Digital Health Model

Helyszín

A 2. Biomedical Data Science Konferencia gálavacsorája az exkluzív Urban Betyár étteremben kerül megrendezésre. A Budapest szívében, a 1051 Budapest, Október 6. utca 16–18. címen található elegáns helyszín a magyar gasztronómiai hagyományok és a modern hangulat egyedülálló ötvözetét kínálja.

Hogyan alakul ki az agyműködés a komplex idegi rendszerek szerveződéséből? Milyen hálózati jellemzők teszik lehetővé a rugalmas, adaptív számítást különböző skálákon? És ha ezek az elvek a fejlődés során sérülnek, miként gyűrűznek tovább hatásaik a génektől az idegi hálózatokon át a viselkedésig?

Ez az előadás e kérdéseket rendszerszintű, hálózatelméleti megközelítésből vizsgálja. A neurofejlődési zavarok különösen alkalmasak e szemlélet tesztelésére: eredendően több szinten zajló jelenségek, amelyek magukban foglalják a genetikai kockázatot, a megváltozott fejlődési pályákat, a nagyléptékű hálózati átrendeződést, valamint az elosztott kognitív és viselkedéses tüneteket. Egyetlen magyarázati szint önmagában nem elegendő. A központi kihívás az oksági kapcsolatok feltárása a különböző szintek között, valamint annak megértése, hogy a biológiai eltérések miként alakítják át a fejlődő agyi hálózatokat és azok számítási kapacitását.

A konnektomika, genomika, számítógépes modellezés és hálózattudomány legújabb eredményeire támaszkodva az előadás bemutatja azokat a törekvéseket, amelyek e leírási szintek összekapcsolását célozzák. A molekuláktól a hálózatokon át a viselkedésig húzódó összefüggések feltárásával közelebb kerülhetünk az agy szerveződésének mechanisztikus megértéséhez egészségben és betegségben - ami hosszabb távon megalapozottabb biomarkerek és terápiás stratégiák kialakítását teheti lehetővé a neurofejlődési pszichiátriai zavarok esetében.

• Szandra Szedlacsek: The impact of visual information on cortical activity in healthy and epileptic mice

• Balázs Szabó: Applying state-of-the-art approximate inference method on parameter inference problem connected to neurons

• Tibor Nánási: Chronos longitudinal plasma proteomics reveals biologically coherent pre-onset molecular changes in Parkinson’s disease

• Bálint File: Disentangling Biological and Non-Biological Drivers of Proteomic Signals in the Chronos-PD Study for Robust Biomarker Discovery in Parkinson's Disease