Photo d'Elham Dolatabadi

Elham Dolatabadi

Membre affilié du corps professoral

Professeur adjoint, École de politiques et de gestion de la santé, Université York

Département de génie électrique et d'informatique, École d'ingénierie Lassonde

Elham Dolatabadi est professeure adjointe en apprentissage machine et en informatique de la santé à l'École de politiques et de gestion de la santé. Elle est également professeure agrégée au Département de génie électrique et d'informatique de l'École de génie Lassonde de l'Université York et membre affiliée de la faculté de l'Institut Vector. Auparavant, elle était chercheuse et responsable du secteur de la santé à l'Institut Vector, où elle a dirigé divers projets d'envergure en collaboration avec des hôpitaux, des organismes gouvernementaux et des entreprises privées en Ontario et au Canada. Ces projets visaient à proposer des solutions d'intelligence artificielle novatrices pour résoudre des problèmes concrets en santé. Ses recherches interdisciplinaires harmonisent les innovations en informatique de la santé et en apprentissage automatique afin de relever les défis complexes qui affectent la santé humaine et de réduire les inégalités en santé. Ses travaux portent plus particulièrement sur trois piliers fondamentaux : l'apprentissage multimodal en santé, l'analyse de l'équité en santé à l'aide de mécanismes causaux et l'intelligence ambiante. Elle participe activement à divers domaines d'application découlant de ces piliers, notamment la caractérisation des symptômes post-COVID-19 au Canada, l'amélioration de la santé mentale des jeunes, la mise en place d'un système d'alerte précoce pour les crises de santé mentale et le développement et le déploiement responsables de modèles d'intelligence artificielle clinique.

Intérêts de recherche

  • Traitement automatique du langage naturel
  • apprentissage automatique
  • Soins de santé et/ou imagerie médicale

Points saillants

  • Subvention à la découverte du CRSNG pour le projet intitulé « Apprentissage multimodal profond pour les soins de santé : vers la construction de réseaux de santé multimodaux ».
  • Utilisation des médias sociaux pour mieux comprendre les résultats de santé rapportés par les patients après une infection à la COVID-19 : une approche par traitement automatique du langage naturel