Antroji tarptautinė mokslinė konferencija

DIRBTINIS INTELEKTAS SVEIKATOS PRIEŽIŪROJE

2025-11-28

NUOTOLINĖ TRANSLIACIJA

Konferencijos puslapis: https://aimed.lt

Organizatoriai: LSMU Reabilitacijos klinika, LSMU Vidaus ligų klinika, LSMU Farmacijos fakultetas,  Klinikinės medicinos ir farmacijos draugija, emedicina.lt

Konferencija skirta:  bendrosioms (ne klinikinėms (ne specialybinėms)) kompetencijoms)  šių profesinių kvalifikacijų specialistams:  visų profesinių kvalifikacijų medicinos gydytojams, bendrosios praktikos slaugytojams, slaugytojų padėjėjams, vaistininkams, vaistininkų padejėjams (farmakotechnikams), kineziterapeutams, ergoterapeutams, akušeriams, gyvensenos medicinos specialistams, masažuotojams, biomedicinos technologams, dietistams, medicinos biologams, medicinos fizikams, medicinos genetikams, medicinos psichologams, paramedikams, perfuzininkams,radiologijos technologams, skubiosios medicinos pagalbos paramedikams, papildomos ir alternatyvios sveikatos priežiūros specialistams ir visiems besidomintiems dirbtiniu intelektu. 

Kvalifikacijos kėlimo pažymėjimai – 7 ak. val.

Konferencijos transliacija: konferencija vyks realiuoju laiku. Po  konferencijos vaizdo įrašas bus pasiekiamas dar dvi savaites.

Registracija: https://mokymai.emedicina.lt iki lapkričio 28 dienos.

Išsamesnė informacija tel.: (8-618 87321), konferencija@emedicina.lt

Dalyvio mokestis (nuotolinė transliacija)  – 39 Eur (Galioja iki 2025-11-28)

PROGRAMA

8.00 – 9.00 Registracija, prisijungimo testavimas 

I SESIJA. PIRMINKAUJA PROF. L.KUBILIENĖ (LSMU), PROF. J.DZIKIENĖ (VDU)

9.00 – 9.30 Nuo pažado prie praktikos: kas stabdo dirbtinio intelekto integraciją į sveikatos apsaugą? Dokt. Daniel Naumovas (SAM, VGTU, Lietuva)

From Promise to Practice: What Is Holding Back the Integration of Artificial Intelligence into Healthcare?

Pranešime bus aptariami realūs barjerai — nuo duomenų kokybės ir prieigos iki teisinio aiškumo, atsakomybės ir finansavimo modelių, trukdančių diegti dirbtinį intelektą klinikoje. Remdamasis biomedicinos tyrimų ir inovacijų politikos patirtimi, pranešėjas parodys, kur dažniausiai „stringa“ projektai: klinikinių procesų integracija, duomenų valdymas, etika ir skaitmeninė infrastruktūra.

Apie lektorių:

Jaunasis Lietuvos biomedicinos srities mokslininkas, šiuo metu einantis Sveikatos apsaugos viceministro pareigas. Jis buvo vienas pirmųjų, inicijavusių biobanko kūrimą Lietuvoje ir aktyviai prisidėjo prie jo vystymo. Per savo mokslinę karjerą laimėjo tris prestižinius Europos Komisijos „Horizon“ projektus bei yra daugelio mokslinių publikacijų bendraautorius. Jo mokslinių interesų spektras apima molekulinę diagnostiką, -omikų mokslus, kriobiologiją, ląstelių terapiją, kamieninių ląstelių tyrimus bei bioetiką. Užimdamas viceministro pareigas, jis atsakingas už sveikatos inovacijų politiką – nuo personalizuotos medicinos ir klinikinių tyrimų iki duomenų mokslo, dirbtinio intelekto ir pažangių gydymo technologijų diegimo Lietuvos sveikatos sistemoje.

9.30 – 10.00 Dirbtinis intelektas medicinoje – ar padarėme namų darbus? Prof. dr. Tomas Krilavičius (VDU, Lietuva)

Artificial Intelligence in Medicine — Have We Done Our Homework?

Profesorius aptars, ar Lietuvos sveikatos priežiūros sistema „padarė namų darbus“ diegiant dirbtinį intelektą: duomenų kokybę ir sąveikumą, reguliacinį aiškumą, atsakomybių pasidalijimą ir skaitmeninės infrastruktūros pasirengimą. Remdamasis kalbos technologijų ir dirbtinio intelekto (DI) taikymų patirtimi, pristatys praktinius pavyzdžius – nuo klinikinio dokumentavimo ir triage sprendimų iki diagnostinės pagalbos – ir jų realias ribas.

Apie lektorių:

Prof. Tomas Krilavičius yra Vytauto Didžiojo universiteto Informatikos fakulteto dekanas. 2006 m. jis apgynė daktaro laipsnį Tventės universitete. Pagrindinės jo mokslinių interesų sritys – dirbtinio intelekto ir kalbos technologijų taikymas. Tomas yra Lietuvos atstovas NATO STO IST komisijoje. Jis yra INFOBALT (Lietuvos IRT įmonių asociacijos) prezidentas ir Lietuvos dirbtinio intelekto asociacijos valdybos narys. Tomas yra kelių startuolių ir įmonių bendraįkūrėjas bei patarėjas. Jis dalyvavo ir vadovavo daugeliui vietinių ir tarptautinių mokslinių tyrimų ir taikomųjų projektų.

10.00 – 10.30 Kuo “pamaitinti” dirbtines smegenis?  Dr. Julius Juodakis (Valstybės duomenų agentūra, Lietuva)

 DI modelių apmokymui reikalingi duomenys. Panagrinėsime: kokių sveikatos duomenų renkama Lietuvoje ir kur jie laikomi? Kaip juos „sušerti“ modeliui, išlaikant asmens duomenų apsaugą? Kur gauti modelio apmokymui reikalingos infrastruktūros? Kuo jums gali padėti Valstybės duomenų agentūra, Europos sveikatos duomenų erdvė arba „AI Factory“?

Apie lektorių:

Dr. Julius Juodakis vadovauja sveikatos duomenų panaudojimui Valstybės duomenų agentūroje. Julius yra statistikos mokslų daktaras ir turi daugiau kaip 10 metų patirties biologijos, medicinos, genetikos tyrimuose, taip pat skaitmeninės infrastruktūros projektuose 5 šalyse. Jo siekis – paversti Lietuvą globalia skaitmeninės medicinos lydere, kur duomenys būtų prieinami greitai, skaidriai ir patogiai visiems

10.30 – 10.45 Pertrauka

10.45 – 11.15 Nuo pažadų prie praktikos: patikimas dirbtinis intelektas — geresni klinikiniai sprendimai. Dr. Ilja Radlgruber, MBA (Pantaflow, Austrija)

11.15 – 11.45 Nuo klinikos prie algoritmų ir atgal: praktiniai mokymai gydytojams. Dr. Kieran Zucker (University of Leeds, United Kingdom)

From Bedside to Benchmarks and Back Again – Training clinical professionals in technical data science

Daugiau nei 85 % medicininių dirbtinio intelekto (DI) projektų žlunga; vis daugėja įrodymų, kad nuoseklus klinicistų įsitraukimas mažina šį nesėkmių rodiklį. Nepaisant to, pasiekti klinikinius specialistus tebėra iššūkis, o rasti turinčių techninių kompetencijų – dar sunkiau.

Šiame pranešime dr. Zucker aptars Jungtinėje Karalystėje vykdomas ugdymo programas, skirtas klinikiniams specialistams rengti DI srityje, įskaitant bazinį DI raštingumą, pokyčių valdymą ir techninius duomenų mokslo įgūdžius. Jis pasidalys patirtimi, įgyta kuriant ir įgyvendinant naujas DI mokymo iniciatyvas JK, ir papasakos, kaip formuoti vis gausėjančią klinicistų–duomenų mokslininkų bendruomenę.

Apie lektorių:

Dr. Kieran Zucker – klinikinis onkologas ir sveikatos duomenų mokslo tyrėjas, laiką dalijantis tarp NHS klinikinės praktikos ir sveikatos duomenų mokslo bei mašininio mokymosi inžinerijos tyrimų. Šiuo metu jis yra Leeds Teaching Hospitals NHS Trust dirbtinio intelekto (DI) klinikinis vadovas ir vykdo įvairiapusį tyrimų portfelį onkologijos ir DI sankirtoje, daugiausia dėmesio skirdamas mašininio mokymosi taikymui rutiniškai renkamiems sveikatos duomenims, įskaitant struktūruotus duomenis, vaizdus, histopatologiją ir laisvojo formato klinikinį tekstą.

Kieran įgijo BSc ir MBBS laipsnius University College London, klinikinę rezidentūrą atliko Jorkšyre. University of Leeds apgynė daktaro disertaciją sveikatos duomenų mokslo ir mašininio mokymosi tematika; čia jis šiuo metu kartu vadovauja Centre for Doctoral Training in Medical AI ir eina Data Science and AI Lead pareigas Leeds Cancer Research Centre. Jis taip pat vykdo kelias naujas DI mokymo iniciatyvas, įskaitant pirmąsias JK „Foundation Training“ vietas ką tik licenciją gavusiems gydytojams, kuriose per visus dvejus akredituotos programos metus integruojamas duomenų mokslo ir DI mokymas. Jo tyrimai apima vėžio baigčių prognozavimą, natūraliosios kalbos apdorojimą (NLP), duomenų kokybę, šališkumo klausimus ir skaitmeninius sveikatos įrankius. Jis sukūrė „AuguR“ – onkologinės analitikos platformą, kuri rengiama diegti regioniniu ir nacionaliniu lygmenimis.

Kieran yra British Computer Society ir Royal College of Radiologists Fellow, taip pat Leading Practitioner Federation of Informatics Professionals organizacijoje. Jis yra Royal College of Radiologists Radiology AI Faculty ir Oncology AI Advisory Group narys, taip pat dalyvauja British Computer Society ir Health Data Research UK patariamosiose grupėse. Jis plačiai publikuoja onkologijos ir DI temomis ir reguliariai skaito pranešimus nacionalinėse bei tarptautinėse konferencijose.

11.45 – 12.15 Patikimas dirbtinis intelektas. Prof. Indrė Žliobaitė, Helsinkio universiteto Informatikos katedros profesorė

Trustworthy Artificial Intelligence (AI)

Šis pranešimas pristatys skaičiuojamąją duomenų analizę kaip tarpdisciplinį požiūrį į kaitos procesų supratimą gamtoje ir visuomenėje. Bus aptarti patikimo mašininio mokymosi principai, jų teorinės ištakos ir praktinės taikymo dilemos, taip pat etikos ir dirbtinio intelekto filosofijos klausimai. Dėmesys skiriamas metodams, kurie padeda ne tik tiksliai prognozuoti, bet ir aiškiai paaiškinti modelių sprendimus, valdyti šališkumą bei rizikas, ir kurti pasitikėjimą keliančius DI sprendimus įvairiuose kontekstuose.

Apie lektorę

Indrė Žliobaitė yra Helsinkio universiteto Informatikos katedros profesorė, vadovaujanti tarpdisciplinei duomenų mokslo tyrėjų grupei. Ji sukūrė metodus, įrankius ir požiūrius mokymuisi iš kintančių duomenų bei buvo viena iš sąžiningumui jautraus mašininio mokymosi algoritminių prieigų pradininkių. Jos tyrimų programa daugiausia dėmesio skiria skaičiuojamosioms prieigoms, skirtoms sudėtingų sistemų analizei ir kaitos procesų supratimui gamtoje ir visuomenėje.

12.15 – 13.00 PIETŲ PERTRAUKA

I SESIJA. PIRMINKAUJA PROF. T. KIRILAVIČIUS (VDU), DOKT. M. JASIULAITIS (LSU)

13.45 -14.15  Kalbos atpažinimo sistemų įdiegimas sveikatos priežiūros įstaigose: iššūkiai ir praktiniai pavyzdžiai. Giedrius Karauskas (Tilde IT, Lietuva) , Marius Jasaitis (Alytaus poliklinika, Lietuva) direktorius

Implementation of Speech Recognition Systems in Healthcare Settings: Challenges and Practical Examples

Sveikatos priežiūros įstaigos vis dažniau ieško sprendimų, kurie padėtų gydytojams dirbti ne daugiau, o protingiau. Dirbtinis intelektas tampa ne konkurentu, o partneriu – galinčiu išlaisvinti gydytojų laiką nuo dokumentacijos ir leisti sutelkti dėmesį į pacientą. Pranešime „Išmanios šnekos atpažinimo sistemos integracija į sveikatos priežiūros įstaigų veiklą: kūrimo iššūkiai ir praktiniai pavyzdžiai“ pasidalinsiu Alytaus poliklinikos patirtimi – nuo pirmųjų žingsnių iki realių rezultatų, kurie jau keičia šeimos gydytojų kasdienybę. Dirbtinis intelektas nėra tik technologija. Tai – naujas medicinos tempas: greitesni sprendimai, tikslesni veiksmai ir daugiau laiko

Apie lektorius:

Giedrius Karauskas – „Tilde IT“ technologijų skyriaus vadovas, specializuojantis dirbtinio intelekto (DI) pagrindu veikiančių kalbos technologijų sprendimų kūrime. Jis atsakingas už pažangių DI sprendimų vystymą verslui ir valstybinėms institucijoms. Giedriaus vadovaujama komanda kuria išmaniuosius virtualius asistentus, šnekos atpažinimo ir sintezės technologijas, mašininio vertimo technologijas bei kitus kalbos technologijų sprendimus, prisidedančius prie skaitmeninės transformacijos ir efektyvesnės komunikacijos.

Marius Jasaitis – VšĮ Alytaus poliklinikos direktorius. Jo vadovaujama įstaiga kartu su „Tilde“ įdiegė išmanų šnekos atpažinimo sprendimą, leidžiantį gydytojams diktuoti tekstą; tai pristatyta kaip pirmasis tokio tipo sprendimas Lietuvos sveikatos sektoriuje. Įrankis integruotas į kasdienę veiklą ir mažina dokumentacijos naštą, kad medikai galėtų daugiau dėmesio skirti pacientams. Be to, Alytuje jo iniciatyva startuoja platesnis dirbtinio intelekto ir elektroninių sutikimų projektas regiono sveikatos įstaigoms. Projekte numatytas DI konsultantas, o poliklinika yra aktyvi dalyvė. Šie žingsniai rodo nuoseklų M. Jasaičio dėmesį praktiniams DI taikymams sveikatos priežiūroje.

14.15 – 14.45  Dirbtinio intelekto modeliai sveikatos sistemoje: galimybių apžvalga. Dr. Andrius Ališauskas (LSMU, Lietuva)

Artificial Intelligence Models in the Health System: An Overview of Opportunities

Šiame pranešime bus kalbama apie tai, kodėl būtent dabar dirbtinis intelektas (DI) tapo aktualus sveikatos priežiūros sistemoje, aptariami pagrindiniai DI tipai ir jų taikymai sveikatos priežiūroje – nuo dokumentavimo asistentų iki EKG analizės ir pacientų rūšiavimo. Pateikiami sėkmingi Lietuvos pavyzdžiai ir naujausių mokslinių tyrimų įrodymai apie DI pritaikomumą, naudą bei ribotumus sveikatos priežiūros sistemoje. Taip pat pateikiami naudingi kasdienės praktikos patarimai, kaip panaudoti viešai prieinamus DI įrankius kasdieniame gydytojo darbe.

Apie lektorių

LSMU MA Vidaus ligų klinikos lektorius ir mokslininkas bei LSMU Kauno ligoninės Studijų ir mokslo skyriaus vadovas. Mokslinio domėjimosi sritis – širdies nepakankamumas, klinikinis hemodinaminių parametrų vertinimas ir naujų prognozinių žymenų paieška. Dirbtinio intelekto (DI) srityje pradėjo dirbti 2024 m., daugiausia dėmesio skirdamas DI įrankių galimybėms elektrokardiogramų (EKG) vertinime įvairiose pacientų populiacijose. Vidaus ligų klinikoje, bendradarbiaudamas su kitais jaunaisiais mokslininkais, jis kuria DI paremtus studentų mokymo(si) įrankius.

14.45 – 15.00 Pertrauka 

15.00 – 15.30 Biomedicininiai signalai ir vaizdai: nuo surinkimo ir pradinio apdorojimo iki analizės, naudojant DI. Doc. dr. Robertas Petrolis (LSMU, Lietuva)

Biomedical Signals and Images: From Acquisition and Preprocessing to Analysis Using AI

Pranešime bus apžvelgtas visas kelias nuo duomenų surinkimo ir pradinio apdorojimo iki analizės, naudojant dirbtinį intelektą, akcentuojant, kaip sukurti patikimą „nuo signalo iki sprendimo“ grandinę. Remiantis biomedicininių signalų (pvz., EKG) ir vaizdų (pvz., fMRT, onkologinė vaizdinė diagnostika) patirtimi, bus aptarta, kaip parinkti tinkamus metodus, suvaldyti duomenų kokybės ir žymėjimo klausimus bei įvertinti modelių pritaikomumą skirtingose pacientų grupėse. Dalyviai gaus aiškias gaires, kaip struktūruoti analizės eigą, ką tikrinti validacijoje ir kokius praktinius sprendimus rinktis diegiant DI į klinikinę veiklą.

Apie lektorių

Doc. dr. Robertas Petrolis yra Lietuvos sveikatos mokslų universiteto Fizikos, matematikos ir biofizikos katedros dėstytojas, kuris specializuojasi

biomedicininių signalų ir vaizdų analizėje bei vertinime. Jo domėjimasis biomedicininių signalų ir vaizdų analize prasidėjo dar studijuojant biofizikos magistrantūroje Kauno technologijos universitete. Šiuo metu jo mokslinių tyrimų interesai apima platų spektrą – nuo elektrokardiografijos (EKG) signalų iki funkcinio magnetinio rezonanso tomografijos (fMRT) vaizdų. Dirbdamas su vaizdiniais duomenimis iš įvairių diagnostikos sričių – nuo onkologijos iki neurologijos – jis taiko dirbtinio intelekto metodus ir algoritmus, siekdamas išgauti diagnostikai reikšmingą informaciją iš sudėtingų biomedicininių signalų ir vaizdų. Šiuo metu jis aktyviai gilina žinias navikų patologijos analizėje, kur siekia pritaikyti dirbtinio intelekto sprendimus onkologinių ligų ypatumų interpretacijai.

15.30 – 16.00 Dirbtinio intelekto rėmai ir „smėliadėžė“: kaip laikantis ES DI akto saugiai testuoti ir diegti sprendimus. Romanas Zontovičius (Inovacijų agentūra, Lietuva 

AI Guardrails and “Sandboxes”: How to Test and Deploy Safely under the EU AI Act

Įsigaliojus Europos Sąjungos dirbtinio intelekto aktui (AI Act), Lietuvos organizacijoms teks derinti inovacijas su naujais atitikties reikalavimais. Pranešime aiškiai aptarsime, ką praktikoje reiškia rizikomis grįsta DI klasifikacija, dokumentavimo ir duomenų valdymo pareigos, ypač sveikatos priežiūros kontekste. Bus pristatyta reguliacinės DI „smėliadėžės“ paskirtis: ką joje galima testuoti, kokių principų laikytis ir kaip šis mechanizmas gali padėti greičiau ir saugiau pereiti nuo pilotų prie realaus diegimo.

Apie lektorių

Romanas Zontovičius – Inovacijų agentūros AI Hub vadovas, vienijantis inovacijas ir reguliavimą bei koordinuojantis Reguliacinę dirbtinio intelekto smėliadėžę Lietuvoje. Anksčiau Inovacijų agentūroje vadovavo ICT Lab sričiai, o Kauno mokslo ir technologijų parke (Tech-Park Kaunas) – startuolių programoms. Karjeros etapu Silicio slėnyje dirbo su GetJar ir Waymo (Google autonominių automobilių projektas). Aktyviai rašo ir kalba apie generatyvinį DI, jo poveikį produktyvumui ir verslo transformacijai, buria ir plečia DI specializacijos komandas.