Szanowni Państwo,
z przyjemnością zapraszam na seminarium naukowe
Katedry Akustyki
📅 Data: wtorek, 19 maja 2026
🕚 Godzina: 11:30
💻 Forma:
WYŁĄCZNIE W FORMIE ZDALNEJ na platformie Microsoft Teams
(seminarium nie będzie realizowane w formie stacjonarnej – uprzejmie prosimy o indywidualne dołączenie z własnych komputerów)
🔗 Dołączenie do spotkania:
Seminarium dr Patrycja Dzianok | Dołączanie do spotkania | Microsoft Teams
Tytuł: (Wczesna) diagnostyka demencji: od genów ryzyka i zmian przedklinicznych do narzędzi wspomagających rozpoznanie.
Prelegentka: dr Patrycja Dzianok, Instytut Biologii Doświadczalnej im. M. Nenckiego, PAN
O prelegentce: dr Patrycja Dzianok pracuje w Pracowni Neurofizjologii Umysłu w Instytucie Biologii Doświadczalnej im. Marcelego Nenckiego PAN. Specjalizuje się w analizie danych biomedycznych oraz wykorzystaniu metod neurofizjologicznych i neuroobrazowych w badaniach nad starzeniem się i chorobami neurodegeneracyjnymi.
Abstrakt:
Choroby neurodegeneracyjne, w tym demencja, stanowią jedno z najważniejszych wyzwań współczesnej medycyny, w szczególności ze względu na starzenie się społeczeństw w różnych regionach świata. Kluczowe znaczenie ma zarówno lepsze zrozumienie procesów zachodzących w mózgu przed pojawieniem się objawów klinicznych, jak i rozwój narzędzi umożliwiających wcześniejszą i trafniejszą diagnostykę. Seminarium poświęcone będzie dwóm komplementarnym kierunkom badań. Pierwszy dotyczy wpływu genów ryzyka choroby Alzheimera, w tym wariantów genów APOE i PICALM, na zdrowie, funkcje poznawcze oraz strukturę i czynność mózgu u osób bez objawów demencji w średnim wieku. Przedstawione zostaną wyniki analiz uwzględniających dane dotyczące zdrowia, wyniki testów psychometrycznych, a także wyniki z badań neuroobrazowych i elektrofizjologicznych (EEG, MRI/fMRI). Uzyskane obserwacje wskazują, że wpływ genów ryzyka ma charakter złożony i nie sprowadza się do prostego, liniowego wzrostu ryzyka wraz ze wzrostem obciążenia genetycznego. Wyniki te sugerują, że czułymi markerami procesów związanych z wpływem wariantów genów ryzyka mogą być jedynie wybrane parametry zdrowotne oraz określone wskaźniki neurobiologiczne. Drugi nurt badań koncentruje się na opracowaniu metod uczenia maszynowego wspomagających diagnostykę kliniczną demencji. Prace te wykorzystują dużą bazę danych klinicznych, obejmującą ponad 30 tysięcy zapisów EEG, i zmierzają do stworzenia algorytmów wspierających ocenę diagnostyczną. Połączenie badań nad biologicznymi mechanizmami ryzyka z rozwojem narzędzi opartych na sztucznej inteligencji może w przyszłości przyczynić się do skuteczniejszej wczesnej diagnostyki, lepszej oceny ryzyka zachorowania oraz bardziej precyzyjnego monitorowania zmian poprzedzających wystąpienie otępienia.
Z wyrazami szacunku,
Jędrzej Kociński
