témavezető: Pollner Péter
helyszín (magyar oldal): SE helyszín rövidítés: SE
A kutatási téma leírása:
A modern adatrögzítési technológiáknak és a terjedő digitális egészségügyi megoldásoknak
köszönhetően egyre nagyobb tömegben és egyre pontosabb formában állnak rendelkezésre
a betegségekről, ezek időbeli változásáról és a kialakulásukhoz vezető életviteli
körülményekről adatok. Az egészségügyi ellátás során keletkező költségek nyilvántartása, a
pácienseket érintő hátrányos közérzeti vagy gazdasági mutatók számítása is lehetségessé
vált akár évtizedes távlatokat is felölelő adatsorokkal.
Ezekből az adatokból a doktori téma kidolgozása során több feladat megvalósítására
is sor kerülhet. Egyik alapvető feladat, hogy olyan populációk definícióit alkossa meg,
amelyekben olyan páciensek adatait lehet gyűjteni, akik az orvosi gyakorlatban használt
tünetek, betegségek vagy elváltozások viselői. Mivel a rendelkezésre álló digitális adatok
sok esetben más aspektusok (pl. gazdasági elszámolás alapja) megjelenítői, ezért ezeknek
a populációknak a megatározása sokrétű tájékozottságot igényel.
A populációk meghatározását követően statisztikai elemzések végzésére kerül sor,
amelyek magukban foglalják az egyszerű idő szerinti rétegzéstől vagy terület szerinti
rétegzéstől kezdve a túlélés-elemzésen keresztül az időben változó együttelőfordulási
hálózatok elemzéséig a modern irodalomban használatos adattudományi eszközök
alkalmazásait.
Amennyiben a jelölt érdeklődése és előismeretei lehetővé teszik, a képi diagnosztika
adatainak gépi tanulási módszertanok alkalmazásával történő feldolgozása is része lehet a
kidolgozandó témának.
A lehetőségektől függően a jelölt részt vehet adatgyűjtési protokollok, prospektív és
retrospektív kutatások tervezésében, és digitális eszközök segítségével valódi kísérletek
vagy terápiás megfigyelések végzésében.
Az elért eredményeket nemzetközi publikációk, illetve konferencia-közlemények
formájában tervezzük megjelentetni.
Kapcsolódó irodalom a kutatócsoport munkáiból:
1) HunCRC: annotated pathological slides to enhance deep learning applications in
colorectal cancer screening
BÁ Pataki, A Olar, D Ribli, A Pesti, E Kontsek, B Gyöngyösi, Á Bilecz, …
Scientific Data 9 (1), 1-7
2) New, innovative prognosis calculator for patients with metastatic spinal tumors
T Mezei, J Báskay, P Pollner, A Horváth, Z Nagy, G Czigléczki, ...
Ideggyogyaszati Szemle 75 (3-04), 117-127
3) Hierarchy and control of ageing-related methylation networks
G Palla, P Pollner, J Börcsök, A Major, B Molnár, I Csabai
PLoS computational biology 17 (9), e1009327
4) Kontaktkutatás, vezetői információs rendszer
E Bokányi, P Pollner, T Joó
Scientia et Securitas 2 (1), 17-29
5) Countrywide population movement monitoring using mobile devices generated (big)
data during the COVID-19 crisis
M Szocska, P Pollner, I Schiszler, T Joo, T Palicz, M McKee, A Asztalos, ...
Scientific reports 11 (1), 1-9
6) Countrywide survey on utilization of medical devices by GPs in Hungary: advantages
of the cluster-practice model
K Dózsa, F Mezei, T Tóth, Á Perjés, P Pollner
Primary Health Care Research & Development 22
7) Complex clinical pathways of an autoimmune disease
G Palla, N Páll, A Horváth, K Molnár, B Tóth, T Kováts, G Surján, T Vicsek, ...
Journal of Complex Networks 6 (2), 206-214
8) Detecting and classifying lesions in mammograms with deep learning
D Ribli, A Horváth, Z Unger, P Pollner, I Csabai
Scientific reports 8 (1), 1-7
9) A nationwide study of the epidemiology of relapsing polychondritis
A Horváth, N Páll, K Molnár, T Kováts, G Surján, T Vicsek, P Pollner
Clinical Epidemiology 8, 211
Bejelentkezés
