Sajtónyilvános eseményen, az újságírókkal közösen várta a fiziológiai és orvostudományi Nobel-díj bejelentését a Szegedi Tudományegyetem vezetősége 2023. október 2-án, az egyetem központi épületében. Az SZTE kutatóprofesszorát, Karikó Katalint évek óta az esélyesek között tartották számon, és idén meg is kapta a tudományos világ legjelentősebb elismerését. A Szegedi Tudományegyetem élőben kapcsolta az SZTE történetének második Nobel-díjasát, Amerikából.
A Szegedi Tudományegyetem, a Széchenyi István Egyetem és a Magyar Ipari Innovációs Matematikai Szolgáltatási Hálózat (HU-MATHS-IN) rendezett online partnertalálkozót 2021. február 12-én. A kutatók, szakemberek áttekintették az egészség- és gyógyszeriparban, illetve a klinikai kutatásokban a hálózattudomány, az adatbányászat és a gépi tanulás módszereinek felhasználási és kutatási területeit ipari szereplők és kutatóintézeti szereplők bevonásával.
Hálózattudomány és adatbányászat az egészségiparban címmel tartott online partnertalálkozót a Szegedi Tudományegyetem, a Széchenyi István Egyetem és a Magyar Ipari Innovációs Matematikai Szolgáltatási Hálózat (HU-MATHS-IN) február 12-én. A rendezvényt megelőző sajtótájékoztatón Horváth Zoltán, a HU-MATHS-IN elnöke, a Széchenyi Egyetem egyetemi tanára elmondta: a HU-MATHS-IN magyar ipari és innovációs matematikai hálózat célja, hogy az iparban hasznosítható matematikai módszereket megismertessék az ipari szereplőkkel; valamint, hogy a matematikus kutatócsoportok szolgáltatásként nyújthassák az ipari cégeknek az eredményeiket. A HU-MATHS-IN hálózatban 7 egyetem és két kutatóintézet 22 kutatócsoportja mintegy 150 kutatóval vesz részt a munkában. A leglátványosabb tevékenységük: 46 célzott alapkutatási projektet futtatnak, matematikai tartalommal. Minden egyes problémánál a problémafelvető egy ipari cég volt, a megvalósítója pedig a HU-MATHS-IN-hoz tartozó egy-egy matematikus csoport. Több esetben már zajlik az ipari hasznosítási folyamat. A HU-MATHS-IN együttműködő partnerei között található mások mellett az Audi, a MOL, a Bosh, a Nokia, továbbá számos kis és közepes vállalkozás.
Az online partnertalálkozó témafelelőse London András kutató-oktató, az SZTE Informatika Intézetének adjunktus, akinek a fő kutatási területe a hálózattudomány és az ehhez kapcsolódó gráf alapú adatbányászat, a gráf alapú gépi tanulási módszerek és gráf alapú matematikai modellezés. Egészségügyi ipari alkalmazásokkal jó néhány éve foglalkozik, azóta, hogy az egészségiparban a hálózatkutatás elkezdett felfutni és néhány biztató eredményt bemutatni.
- Több projektben tevékenykedünk, így például a Szegedi Tudományegyetem Pszichiátriai Klinikájával. Az adatbányászatot és a hálózatokat használjuk az egészségiparban. A klasszikus kutatási módszerek elérték a határukat abban az értelemben, hogy alapvetően ma már a klasszikus módszerekkel nem, vagy csak kevés nagy áttörést lehet elérni – mondta London András. – Nagy lehetőség ezen a területen, hogy nagy mennyiségű adattal dolgozzunk, és megpróbáljuk alkalmazni a legújabb matematikai modelleket a nagy adatokon. A matematikusok úgynevezett adatbányászati módszerek segítségével állítanak fel különböző hipotéziseket és keresnek összefüggéseket. A legfőbb alkalmazási területek gyógyszerfejlesztés, a hisztorikus adatalapú diagnosztikai támogatás, betegkockázat meghatározás, háttérterápiák fejlesztése, hatékonyságmérés. Például, ha van elegendő mennyiségű adatunk arra vonatkozóan, hogy az egyének esetén az egyes betegségek milyen időben, mikor és hogyan bukkannak föl, és ezeket nemzeti szinten meg tudnánk határozni, akkor gyakorlatilag meg lehet határozni annak a kockázatát, hogy bizonyos új betegségek mikor alakulnak ki, vagy a korábbi krónikus betegségek mikor fognak súlyosbodni.
Adatbányászati oldalról rengeteg információ áll a matematikusok rendelkezésére: kórtörténetek, gyógyszerelés, szöveges és képi adatok. Ezeket nem könnyen használható adatbázisokbantaláljuk, ténylegyesen egyfajta tisztításuk szükséges ahhoz, hogy matematikai módszerekkel elemezhetővé váljanak. Minden információ, amit ebből ki lehet matematikai vagy elemzési módszerrel nyerni, nagyon hasznos információkat adhat és új hipotézisekhez vezethet.
A partnertalálkozó célja, hogy ipari és kutatóintézeti szereplők bevonásával áttekintsék az egészség- és gyógyszeriparban, illetve a klinikai kutatásokban a hálózattudomány, az adatbányászat és a gépi tanulás módszereinek felhasználási és kutatási területeit, valamint hogy közelebb hozzák egymáshoz azokat az ipari szereplőket és egyetemi kutatókat, akik már több éve foglalkoznak betegadatok modellezésével és elemzésével hálózatos és gépi tanulási módszerek segítségével.
A partnertalálkozó előadói voltak: Horváth Zoltán (HU-MATHS-IN), Csendes Tibor (Szegedi Tudományegyetem), Vassy Zoltán (TC&C, Semmelweis Egyetem), Farkas Bálint (Turbine.ai), Miklós István (Rényi Intézet), Baran Sándor (Debreceni Egyetem), Kanka Andor (Szegedi Tudományegyetem).
A nyolc hazai egyetem és két kutatóintézet 22 ipari matematikával foglalkozó kutatócsoportját összefogó HU-MATHS-IN 2021 tavaszán online partnertalálkozókon mutatja be a gazdaság szereplői számára a szervezetet, annak működését, valamint az ipari matematikai módszereknek az ipari, kutatás-fejlesztési és innovációs projektekben elért eddigi eredményeit és további hasznosítási lehetőségeit. A projektet további partnertalálkozókkal folytatják március végéig. Megvitatják többek között az alábbi témákat: gépi tanulás alkalmazása orvosi környezetben (Debreceni Egyetem), matematikai módszerek az ipar 4.0 szolgálatában (SZTAKI), digitális ikrek a járműipari szimulációk új korszakában (Széchenyi István Egyetem), pénzügyi kockázatmodellezés (Eötvös Loránd Tudományegyetem).
SZTEinfo - Antal Éva Eső
