Inžinerijos mokykla 2023-24 mokslo metams atrinko 13 naujų Takeda Fellows. Remdamiesi Takeda, magistrantūros studentai atliks pažangius tyrimus – nuo nuotolinio sveikatos stebėjimo virtualiems klinikiniams tyrimams iki praryjamų prietaisų, skirtų ilgalaikei diagnostikai namuose.
Jau ketvirtus metus vykstanti MIT-Takeda programa, MIT inžinerijos mokyklos ir Takeda bendradarbiavimas, skatina dirbtinio intelekto pajėgumų vystymą ir taikymą žmonių sveikatai ir vaistų kūrimui. Programa, priklausanti Abdul Latif Jameel klinikai, skirta mašininiam mokymuisi sveikatos srityje, sujungia skirtingas disciplinas, sujungia teoriją ir praktinį įgyvendinimą, sujungia algoritmų ir aparatinės įrangos naujoves ir sukuria daugialypį bendradarbiavimą tarp akademinės bendruomenės ir pramonės.
2023–2024 m. Takeda Fellows yra:
Adomas Gierlachas
Adamas Gierlachas yra Elektros inžinerijos ir informatikos katedros doktorantas. Gierlacho darbe naujoviškos biotechnologijos derinamos su mašininiu mokymusi, kad būtų sukurti įgeriami prietaisai, skirti pažangiajai diagnostikai ir terapijos pristatymui. Ankstesniame savo darbe Gierlachas sukūrė neinvazinį, praryjamą prietaisą ilgalaikiam skrandžio registravimui laisvai judantiems pacientams. Remdamas Takeda stipendiją, jis tęs šį pažangų darbą kurdamas išmaniuosius, energiją taupančius, lengvai įsisavinamus įrenginius, maitinamus konkrečioms programoms skirtų integrinių grandynų, skirtų ilgalaikei diagnostikai namuose. Šie revoliuciniai prietaisai, galintys identifikuoti, apibūdinti ir net ištaisyti virškinimo trakto ligas, yra biotechnologijos pranašumas. Novatoriškas Gierlacho indėlis padės paspartinti fundamentinius enterinės nervų sistemos tyrimus ir padės geriau suprasti žarnyno ir smegenų ašies disfunkcijas sergant Parkinsono liga, autizmo spektro sutrikimu ir kitais paplitusiais sutrikimais bei sąlygomis.
Vivekas Gopalakrishnanas
Vivekas Gopalakrishnanas yra Harvardo-MIT sveikatos mokslų ir technologijų programos doktorantas. Gopalakrishnano tikslas yra sukurti biomedicininius mašininio mokymosi metodus, siekiant pagerinti žmonių ligų tyrimą ir gydymą. Tiksliau, jis naudoja skaičiavimo modeliavimą, siekdamas patobulinti naujus minimaliai invazinės, vaizdu valdomos neurochirurgijos metodus, siūlančius saugią alternatyvą atviroms smegenų ir stuburo procedūroms. Remdamasis Takeda stipendija, Gopalakrishnanas sukurs realaus laiko kompiuterinio matymo algoritmus, kurie užtikrins aukštos kokybės 3D operatyvinio vaizdo valdymą, išgaunant ir sujungiant informaciją iš daugiarūšio neurovaizdo duomenų. Šie algoritmai leistų chirurgams rekonstruoti 3D neurovaskuliaciją iš rentgeno angiografijos, taip padidinant prietaiso išdėstymo tikslumą ir leidžiant tiksliau nustatyti sveikos ir patologinės anatomijos lokalizaciją.
Hao Jis
Hao He yra Elektros inžinerijos ir informatikos katedros doktorantas. Jo mokslinių tyrimų interesai yra generatyvaus AI, mašininio mokymosi ir jų pritaikymo medicinoje ir žmonių sveikatos sankirtoje, ypač daug dėmesio skiriant pasyviam, nuolatiniam, nuotoliniam sveikatos stebėjimui, siekiant paremti virtualius klinikinius tyrimus ir sveikatos priežiūros valdymą. Tiksliau sakant, jis siekia sukurti patikimus AI modelius, kurie skatintų vienodą prieigą ir užtikrintų sąžiningus rezultatus nepriklausomai nuo rasės, lyties ir amžiaus. Savo ankstesniame darbe jis sukūrė stebėjimo sistemas, taikomas klinikiniams Parkinsono ligos, Alzheimerio ligos ir epilepsijos tyrimams. Remiamas Takeda stipendijos, jis sukurs naują technologiją, skirtą pasyviam miego etapų stebėjimui (naudojant radijo signalus), kuria siekiama pašalinti esamas veiklos spragas įvairiose demografinėse grupėse. Jo projektas spręs turimų duomenų rinkinių disbalanso problemą ir atsižvelgs į esminius subpopuliacijų skirtumus, naudojant generatyvųjį AI ir kelių modalumo / kelių domenų mokymąsi, siekiant išmokti tvirtų savybių, kurios yra nekintamos skirtingoms pogrupiams. Jo darbas yra daug žadantis teikti pažangias, teisingas sveikatos priežiūros paslaugas visiems žmonėms ir gali turėti didelės įtakos sveikatos priežiūrai ir dirbtiniam intelektui.
Chengyi Long
Chengyi Long yra Civilinės ir aplinkos inžinerijos katedros doktorantas. Longo tarpdisciplininiai tyrimai integruoja fizikos, matematikos ir informatikos metodologiją, kad ištirtų ekologijos klausimus. Konkrečiai, Long kuria keletą potencialiai novatoriškų metodų, skirtų paaiškinti ir numatyti ekologinių sistemų, įskaitant žmogaus mikrobiotą, kurios yra esminės sveikatos ir medicinos tyrimų temos, laiko dinamiką. Jo dabartinis darbas, remiamas Takeda stipendijos, yra skirtas sukurti konceptualią, matematinę ir praktinę sistemą, kad būtų galima suprasti sąveiką tarp išorinių trikdžių ir vidinės bendruomenės dinamikos mikrobų sistemose, o tai gali būti pagrindinis žingsnis ieškant biologinių sveikatos sprendimų. valdymas. Platesnė jo tyrimų perspektyva yra sukurti dirbtinio intelekto remiamas platformas, skirtas numatyti besikeičiantį mikrobų sistemų elgesį, kuris gali padėti atskirti sveikus ir nesveikus šeimininkus ir sukurti probiotikus, skirtus patogeninių infekcijų prevencijai ir švelninimui. Sukūrę naujus metodus šioms problemoms spręsti, Longo tyrimai gali pasiūlyti galingą indėlį į mediciną ir pasaulinę sveikatą.
Omaras Mohdas
Omaras Mohdas yra Elektros inžinerijos ir informatikos katedros doktorantas. Mohd moksliniai tyrimai yra skirti kurti naujas mikroRNR erdvinio profiliavimo technologijas, kurios gali būti svarbios vėžio tyrimuose. Mohd tikisi įgyti naujų įžvalgų apie vėžio atsparumą vaistams, naudodamas naujoviškus mikrotechnologijų derinius ir vaizdų analizę su dirbtiniu intelektu, kad būtų galima išmatuoti erdvinius mikroRNR pokyčius audinių mėginiuose. Šis darbas, remiamas Takeda stipendijos, patenka į besiformuojančią erdvinės transkriptomikos sritį, kuria siekiama suprasti vėžį ir kitas ligas, tiriant santykines ląstelių vietas ir jų turinį audiniuose. Galutinis dabartinio Mohd projekto tikslas yra rasti daugialypius audinių modelius, kurie gali turėti prognostinę vertę vėžiu sergantiems pacientams. Vienas vertingų jo darbo komponentų yra atvirojo kodo AI programa, sukurta kartu su bendradarbiais Beth Israel Deaconess medicinos centre ir Harvardo medicinos mokykloje, siekiant automatiškai aptikti vėžio epitelio ląsteles iš kitų ląstelių tipų audinių mėginyje ir susieti jų gausą su erdviniais skirtumais. mikroRNR. Savo moksliniais tyrimais Mohd prisideda prie naujoviškų mikrosistemų technologijų sąsajos, AI pagrįstos vaizdo analizės ir vėžio gydymo, o tai gali turėti didelės įtakos medicinai ir žmonių sveikatai.
Sanghyun parkas
Sanghyun Park yra Mechanikos inžinerijos katedros doktorantas. Parkas specializuojasi dirbtinio intelekto ir biomedicinos inžinerijos integravime, siekiant išspręsti sudėtingus žmonių sveikatos iššūkius. Remdamasis savo patirtimi polimerų fizikos, vaistų pristatymo ir reologijos srityse, jo moksliniai tyrimai daugiausia dėmesio skiria novatoriškajai in situ formuojamų implantų (ISFI) sričiai, skirtai pristatyti vaistus. Palaikoma Takeda stipendijos, Park šiuo metu kuria injekcinę formulę, skirtą ilgalaikiam vaistų tiekimui. Pagrindinis jo tyrimo tikslas yra atskleisti vaistų dalelių sutankinimo mechanizmą ISFI formulėse, atliekant išsamius modeliavimo ir apibūdinimo tyrimus in vitro, naudojant pažangius AI įrankius. Jis siekia išsamiai suprasti šį unikalų sutankinimo mechanizmą ir pritaikyti jį vaistų mikrokristalams, kad būtų pasiektos savybės, optimalios ilgalaikiam vaistų tiekimui. Be šių pagrindinių tyrimų, Parko moksliniai tyrimai taip pat sutelkti į šių žinių pritaikymą praktiniam pritaikymui klinikinėje aplinkoje, atliekant tyrimus su gyvūnais, specialiai skirtus prailginti vaisto išsiskyrimo trukmę ir pagerinti mechanines savybes. Novatoriškas AI naudojimas kuriant pažangias vaistų tiekimo sistemas kartu su Parko vertingomis įžvalgomis apie sutankinimo mechanizmą gali padėti pagerinti ilgalaikį vaistų tiekimą. Šis darbas gali atverti kelią veiksmingam lėtinių ligų valdymui, o tai naudinga pacientams, gydytojams ir farmacijos pramonei.
Huaiyao Pengas
Huaiyao Peng yra Biologijos inžinerijos katedros doktorantas. Pengo mokslinių tyrimų interesai yra sutelkti į inžinerinius audinius, mikrogamybos platformas, vėžio metastazes ir naviko mikroaplinką. Tiksliau, ji tobulina naujus AI metodus, skirtus aukšto laipsnio serozinio kiaušidžių vėžio (HGSOC), ypač mirtino ir sunkiai gydomo vėžio, ikivėžiniams organoidiniams modeliams kurti, siekdama įgyti naujų įžvalgų apie progresavimą ir veiksmingumą. gydymo būdai. Pengo projektas, remiamas Takeda stipendijos, bus vienas iš pirmųjų, kuris naudos ląsteles iš serozinių kiaušintakių intraepitelinės karcinomos pažeidimų, aptiktų daugelio HGSOC pacientų kiaušintakiuose. Nagrinėjant ląstelių ir molekulinius pokyčius, atsirandančius reaguojant į gydymą mažų molekulių inhibitoriais, ji tikisi nustatyti galimus biologinius žymenis ir perspektyvius terapinius HGSOC tikslus, įskaitant individualizuotas gydymo galimybes HGSOC pacientams, ir galiausiai pagerinti jų klinikinius rezultatus. Pengo darbas gali padaryti didelę pažangą vėžio gydymo srityje ir paskatinti naujoviškus dirbtinio intelekto pritaikymus sveikatos priežiūros srityje.
Priyanka Raghavan
Priyanka Raghavan yra Chemijos inžinerijos katedros doktorantė. Raghavano mokslinių tyrimų interesai yra nuspėjamosios chemijos paribyje, integruojant skaičiavimo ir eksperimentinius metodus, siekiant sukurti galingus naujus nuspėjimo įrankius visuomenei svarbioms programoms, įskaitant vaistų atradimą. Konkrečiai, Raghavan kuria naujus modelius, skirtus prognozuoti mažų molekulių substrato reaktyvumą ir suderinamumą režimuose, kuriuose yra mažai duomenų (realiausi režimai). Takeda stipendija leis Raghavan peržengti savo tyrimų ribas, novatoriškai naudojant mažai duomenų ir kelių užduočių mašininio mokymosi metodus, sintetinę chemiją ir robotų laboratorijų automatizavimą, siekiant sukurti autonominę uždaro ciklo sistemą didelio našumo organinių mažų molekulių atradimas nepakankamai ištirtų reakcijų kontekste. Raghavano darbu siekiama nustatyti naujas, įvairiapuses reakcijas, siekiant išplėsti chemiko sintetinių įrankių rinkinį naujais pastoliais ir substratais, kurie galėtų būti pagrindinių vaistų pagrindas. Jos darbas gali turėti didelį poveikį ankstyvosios stadijos mažų molekulių atradimui ir gali padėti padaryti ilgą vaistų atradimo procesą žymiai greitesnį ir pigesnį.
Zhiye daina
Zhiye „Zoey“ Song yra Elektros inžinerijos ir kompiuterių mokslų katedros doktorantas. Song tyrimai integruoja pažangiausius mašininio mokymosi (ML) ir aparatinės įrangos optimizavimo metodus, kad būtų sukurti naujos kartos nešiojami medicinos prietaisai. Konkrečiai, Song kuria naujus metodus, kaip efektyviai efektyviai įgyvendinti ML skaičiavimą mažos galios medicinos prietaisuose, įskaitant nešiojamą ultragarso „lopą“, kuris fiksuoja ir apdoroja vaizdus, kad būtų galima priimti sprendimus realiuoju laiku. Pastaruoju metu jos darbas, atliktas bendradarbiaujant su gydytojais, buvo sutelktas į šlapimo pūslės tūrio stebėjimą; kitos galimos programos apima kraujospūdžio stebėjimą, raumenų diagnostiką ir neuromoduliaciją. Remdamasi Takeda stipendija, Song remsis tuo daug žadančiu darbu ir sieks pagrindinių esamų nešiojamųjų įrenginių technologijų patobulinimų, įskaitant mažai skaičiuojančių ir mažai atminties turinčių ML algoritmų ir mažos galios lustų kūrimą, kad būtų galima naudoti ML išmaniuosiuose nešiojamuosiuose įrenginiuose. „Song“ tyrimų metu sukurtos technologijos gali pasiūlyti naujų įdomių galimybių sveikatos priežiūros srityje, įgalinančios galingą ir ekonomišką diagnostiką priežiūros taške ir išplėsdamos individualią prieigą prie savarankiško ir nuolatinio medicininio stebėjimo.
Peiqi Wang
Peiqi Wang yra Elektros inžinerijos ir informatikos katedros doktorantas. Wang moksliniais tyrimais siekiama sukurti mašininio mokymosi metodus, skirtus mokytis ir interpretuoti iš medicininių vaizdų ir susijusių klinikinių duomenų, kad būtų lengviau priimti klinikinius sprendimus. Jis kuria daugiarūšio vaizdavimo mokymosi metodą, kuris suderina žinias, užfiksuotas dideliais kiekiais medicininių vaizdų ir teksto duomenų, kad šias žinias perkeltų į naujas užduotis ir programas. Remiamas Takeda stipendijos, Wangas patobulins šią daug žadančią darbo kryptį, kurdamas patikimus įrankius, kurie interpretuotų vaizdus, mokytųsi iš retų žmonių atsiliepimų ir mąstytų kaip gydytojai, o tai gali turėti daug naudos nt sveikatos priežiūros suinteresuotosios šalys.
Oskaras Wu
Haoyang „Oscar” Wu yra Chemijos inžinerijos katedros doktorantas. Wu tyrimai integruoja kvantinę chemiją ir giluminio mokymosi metodus, kad paspartintų mažų molekulių atrankos procesą kuriant naujus vaistus. Nustačius ir automatizavus patikimus pereinamųjų būsenų geometrijų nustatymo ir naujų reakcijų barjerų aukščių apskaičiavimo metodus, Wu darbas galėtų sudaryti galimybę atlikti didelio našumo ab initio reakcijos greičio skaičiavimus, reikalingus daugelio veikliųjų farmacinių ingredientų reaktyvumui patikrinti. API). Takeda stipendija rems jo dabartinį projektą, skirtą: (1) sukurti atvirojo kodo programinę įrangą, skirtą didelio našumo kvantinės chemijos skaičiavimams, daugiausia dėmesio skiriant į vaistus panašių molekulių reaktyvumui, ir (2) sukurti gilaus mokymosi modelius, kurie gali kiekybiškai numatyti oksidacinį poveikį. API stabilumas. Wu tyrimų metu gautos priemonės ir įžvalgos galėtų padėti pakeisti ir paspartinti vaistų atradimo procesą, o tai būtų labai naudinga farmacijos ir medicinos sritims bei pacientams.
Soojung Yang
Soojung Yang yra Medžiagų mokslo ir inžinerijos katedros doktorantas. Yang tyrimai taiko pažangiausius geometrinio giluminio mokymosi ir generacinio modeliavimo metodus, taip pat atomistinius modeliavimus, kad geriau suprastų ir modeliuotų baltymų dinamiką. Konkrečiai, Yang kuria naujus generatyvaus AI įrankius, kad galėtų ištirti baltymų konformacinius kraštovaizdžius, kurie siūlo didesnį greitį ir detalumą nei fizikos modeliavimas už žymiai mažesnę kainą. Padedama Takeda stipendijos, ji remsis savo sėkmingu darbu, susijusiu su stambiagrūdžių baltymų atvirkštine transformacija į visų atomų skiriamąją gebą, siekdama sukurti mašininio mokymosi modelius, kurie sujungtų įvairių dydžių baltymų konformacijos įvairovę (visas atomo, liekanos lygis ir domeno lygis). Yang tyrimai gali suteikti galingą ir plačiai taikomą naują priemonę tyrėjams, kurie siekia suprasti sudėtingas baltymų funkcijas, susijusias su žmonių ligomis, ir sukurti vaistus, skirtus šioms ligoms gydyti ir išgydyti.
Yuzhe Yang
Yuzhe Yang yra Elektros inžinerijos ir informatikos katedros doktorantė. Yang mokslinių tyrimų interesai yra mašininio mokymosi ir sveikatos priežiūros sankirtoje. Savo ankstesniame ir dabartiniame darbe Yang sukūrė ir taikė naujoviškus mašininio mokymosi modelius, kurie sprendžia pagrindinius ligų diagnostikos ir stebėjimo iššūkius. Daugelis jo laimėjimų apima vieno iš pirmųjų mašininiu mokymusi pagrįstų sprendimų, naudojančių naktinio kvėpavimo signalus, skirtus aptikti Parkinsono ligą (PD), įvertinti ligos sunkumą ir sekti PD progresavimą, sukūrimą. Remdamas Takeda stipendiją, Yang išplės šį daug žadantį darbą, kad sukurtų AI pagrįstą Alzheimerio ligos (AD) diagnostikos modelį, naudodamas kvėpavimo miego duomenis, kurie yra žymiai patikimesni, lankstesni ir ekonomiškesni nei dabartinės diagnostikos priemonės. Ši pasyvi, namuose naudojama bekontakčio stebėjimo sistema, primenanti paprastą namų Wi-Fi maršruto parinktuvą, taip pat leis nuotoliniu būdu įvertinti ligas ir nuolat stebėti progresavimą. Yang novatoriškas darbas gali padėti diagnozuoti ir gydyti paplitusias ligas, tokias kaip PD ir AD, ir suteikia įdomių galimybių spręsti daugelį sveikatos problemų naudojant patikimas, prieinamas mašininio mokymosi priemones.
