Från cancerbiologi till läkemedelsinteraktioner – maskininlärning för komplexa biomedicinska problem

Framsteg inom biomedicin är i allt högre grad beroende av vår förmåga att tolka komplexa och heterogena data. Inom cancer formas sjukdomsutvecklingen av samspel mellan genetiska förändringar, molekylära signalvägar och kliniska variabler. På motsvarande sätt kan kombinationer av läkemedel leda till skadliga interaktioner som är svåra att förutse med konventionella metoder. Dessa utmaningar kräver beräkningsmetoder som kan analysera strukturerade, högdimensionella data.

I denna docentföreläsning kommer jag att diskutera hur maskininlärning kan användas för att möta dessa utmaningar, med exempel från cancerforskning och prediktion av läkemedelsinteraktioner. Särskild tonvikt kommer att läggas vid grafbaserade och multimodala modeller, och på hur dessa metoder kan stödja biomarköridentifiering, förbättra vår förståelse av sjukdomsmekanismer och förutsäga skadliga läkemedelskombinationer. Föreläsningen belyser hur maskininlärning kan bidra till en mer systematisk förståelse av komplexa biomedicinska problem och till framsteg inom precisionsmedicin och translationell forskning.