Tir à la tête d’Elham Dolatabadi

Elham Dolatabadi

Faculté affiliée

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

Département de génie électrique et informatique, École de génie Lassonde

Elham Dolatabadi est professeur adjoint en apprentissage automatique et informatique de la santé à l’École de politique et gestion de la santé, également nommé avec le département de génie électrique et informatique de la Lassonde School of Engineering de l’Université York et affilié au corps professoral du Vector Institute. Avant cela, elle a été scientifique et responsable de la santé au Vector Institute, où elle a dirigé divers projets d’envergure en collaboration avec des hôpitaux, des gouvernements et des secteurs privés en Ontario et au Canada pour offrir des solutions innovantes d’IA aux problèmes réels de santé. Ses recherches interdisciplinaires harmonisent les innovations en informatique de la santé et en apprentissage automatique afin de relever des défis complexes influençant la santé humaine et de réduire les disparités en santé. En particulier, son intérêt porte sur les trois piliers fondamentaux de l’apprentissage multimodal en santé, l’analyse de l’équité en santé utilisant des mécanismes causals, et l’intelligence ambiante. Elle est activement impliquée dans divers domaines d’application découlant de ces piliers, notamment la caractérisation des conditions post-COVID-19 (PCC) au Canada, l’amélioration de la santé mentale des jeunes, la mise en place d’un système d’alerte précoce pour les crises en santé mentale, ainsi que le développement et le déploiement responsables de modèles cliniques d’IA.

Intérêts de recherche

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

Faits marquants

  • Subvention de découverte du CRSNG pour le projet intitulé « Apprentissage multimodal profond pour les soins de santé : vers la construction de réseaux de santé à parcours multimodaux ».
  • Utiliser les médias sociaux pour aider à comprendre les résultats de santé rapportés par les patients concernant une condition post-COVID-19 : approche de traitement du langage naturel