Apprentissage du monde ouvert pour les données biomédicales

Cette séance de cours traite de l'apprentissage du monde ouvert pour les données biomédicales, en mettant l'accent sur les méthodes permettant de tirer parti de petits ensembles de données dans différentes conditions. Il traite de l'importance des omiques multimodales monocellulaires, de la transcriptomique résolue spatialement et des défis qui se posent pour généraliser les expériences. L'instructeur présente le développement de nouveaux paradigmes d'apprentissage automatique pour la recherche biomédicale, soulignant l'importance de découvrir des phénomènes inconnus et des types de cellules. La séance de cours présente l'application de ces méthodes dans l'annotation des données à cellules uniques résolues spatialement et dans le Programme de l'Atlas biomoléculaire humain. Il se termine sur les orientations futures de l'apprentissage automatique en biomédecine, y compris les systèmes de LM fondés sur le savoir et les méthodes de LM multimodales.