El Centro de Bioestadísticas, Bioinformática, y Manejo de Datos en el ADRC de Stanford

El Centro de Bioestadísticas, Bioinformática, y Manejo de Datos en el ADRC de Stanford es responsable de manejar grandes volúmenes de data clínica, neuropsicológica, genética, tomográfica, y de especímenes de tejidos. El centro provee data anónima al Centro de Coordinación Nacional del Alzheimer y a investigadores calificados en Stanford y otras universidades.

La facultad del centro trabaja de cerca con otros centros del ADRC para apoyar los esfuerzos del Centro. Ofrecen consultas de bioestadísticas, apoyo con investigaciones de macrodatos usando data del ADRC, promueven métodos de investigaciones y bioestadísticas adaptado para la data del ADRC, proveen consulta estadística a los investigadores del ADRC, y ofrecen entrenamiento de bioestadísticas a investigadores novicios.


Lu Tian, ScD
Profesor Asociado de Ciencia de Data Biomédica
Líder del Centro de Bioestadísticas, Bioinformática, y Manejo de Datos

Lu Tian es un profesor asociado del Departamento de Ciencia de Data Biomédica en la Universidad de Stanford. Recibió su Sc.D. en Bioestadísticas de la Universidad de Harvard. El Dr. Tian tiene vasta experiencia llevando a cabo investigaciones estadísticas metodológicas, planeando grandes estudios epidemiológicos, manejando data para ensayos clínicos aleatorizados y llevando a cabo análisis de datos aplicados. Su interés investigativo actual está en desarrollar métodos de estadísticas en las ramas de medicina personalizada, inferencia causal, análisis de supervivencia, y análisis de datos de alto rendimiento.

Zihuai He, PhD
Profesor Asistente de Neurología y Medicina (BMIR)
Líder Asociado Principal de Gestión de Datos y Estadísticas

El Dr. He recibió su doctorado de la Universidad de Michigan en 2016. Después de una formación posdoctoral en bioestadística en la Universidad de Columbia, se unió a la Universidad de Stanford como profesor asistente de neurología y medicina en 2018. Su investigación se concentra en el área de genética estadística y análisis integrador de datos ómicos, con el objetivo de desarrollar metodologías estadísticas y computacionales novedosas para la identificación e interpretación de vías biológicas complejas involucradas en enfermedades humanas, particularmente trastornos neurológicos. Su interés en metodología incluye análisis de datos de alta dimensión, análisis de datos correlacionados (longitudinales, familiares) y algoritmos de aprendizaje automático.
 

Serena Yeung, PhD
Profesora asistente de ciencia de datos biomédicos bioestadístico

La Dra. Serena Yeung es profesora asistente de ciencia de datos biomédicos y, por cortesía, de informática e ingeniería eléctrica en la Universidad de Stanford. Su investigación se centra en el desarrollo de inteligencia artificial y algoritmos de aprendizaje automático para habilitar nuevas capacidades en biomedicina y atención médica. Tiene una amplia experiencia en aprendizaje profundo y visión por computadora, y ha desarrollado algoritmos de visión por computadora para analizar diversos tipos de datos visuales que van desde la captura de video del comportamiento humano hasta imágenes médicas e imágenes de microscopía celular.

La Dra. Yeung dirige el Laboratorio de Inteligencia Artificial Médica y Visión por Computador en Stanford. Está afiliada al Laboratorio de Inteligencia Artificial de Stanford, el Centro de Investigación de Excelencia Clínica, el Centro de Inteligencia Artificial en Medicina e Imágenes, el Centro de Inteligencia Artificial Centrada en el Ser Humano y Bio-X. También es miembro del Comité Asesor de los NIH para el Grupo de Trabajo de Directores sobre Inteligencia Artificial.
 

Janet Hwang, MS
Administradora de base de datos

Janet Hwang recibió su licenciatura del departamento de matemáticas de la Universidad de Tamkang en Taiwán y su maestría en informática de la Universidad de Houston en Texas. Antes de llegar a Stanford en 2017, trabajó para empresas emergentes en San José, ayudando a diseñar e implementar sistemas de administración de bases de datos y tecnologías Web 2.0.