Núcleo de Gestión de Datos y Estadística
El Núcleo de Gestión de Datos y Estadística del Stanford Alzheimer's Disease Research Center (ADRC) es responsable de gestionar grandes volúmenes de datos clínicos, neuropsicológicos, genéticos, de imágenes, de biomarcadores de tejido y de investigación asociada. El Núcleo proporciona datos anónimos al National Alzheimer Coordinating Center y a investigadores calificados en Stanford y otras universidades.
Los profesores del Núcleo trabajan en estrecha colaboración con otros Núcleos del ADRC en apoyo a los objetivos del Centro. Ofrecen consultoría bioestadística, apoyan la investigación de "big data" utilizando datos del ADRC, promueven la investigación sobre métodos bioestadísticos adaptados a los datos del ADRC, proporcionan consultoría estadística a los investigadores participantes del ADRC y ofrecen formación bioestadística para investigadores jóvenes.
Lu Tian, ScD
Líder del Núcleo de Gestión de Datos y Estadística
Lu Tian es Profesor Asociado del Department of Biomedical Data Science en Stanford University. Recibió su Sc.D. en Bioestadística de Harvard University. El Dr. Tian tiene amplia experiencia en la realización de investigación metodológica estadística, la planificación de grandes estudios epidemiológicos, la gestión de datos para ensayos clínicos aleatorizados y la realización de análisis de datos aplicados. Su interés de investigación actual se centra en el desarrollo de métodos estadísticos en medicina personalizada, inferencia causal, análisis de supervivencia y análisis de datos de alto rendimiento.
Zihuai He, PhD
Profesor Asociado de Neurología y Medicina (BMIR)
Líder Asociado del Núcleo de Gestión de Datos y Estadística
El Dr. He recibió su PhD de la University of Michigan en 2016. Tras una formación postdoctoral en bioestadística en Columbia University, se incorporó a Stanford University como profesor asistente de neurología y de medicina en 2018. Su investigación se concentra en el área de la genética estadística y el análisis integrativo de datos ómicos, con el objetivo de desarrollar nuevas metodologías estadísticas y computacionales para la identificación e interpretación de vías biológicas complejas involucradas en enfermedades humanas, particularmente trastornos neurológicos. Su interés metodológico incluye el análisis de datos de alta dimensión, el análisis de datos correlacionados (longitudinales, familiares) y algoritmos de aprendizaje automático.
Nima Aghaeepour, PhD
Profesor Asistente de Anestesiología, Dolor y Medicina Perioperatoria
Nima Aghaeepour es Profesor Asistente en Stanford University. Su laboratorio desarrolla métodos de aprendizaje automático e inteligencia artificial para estudiar modalidades clínicas y biológicas en entornos traslacionales. Su interés principal es aprovechar estudios multiómicos y dispositivos portátiles para abordar desafíos de salud global. Su trabajo ha sido reconocido con premios de numerosas organizaciones nacionales e internacionales, incluyendo la Bill and Melinda Gates Foundation, la March of Dimes Foundation, el Burroughs Wellcome Fund, el National Institute of General Medical Sciences y el National Center for Advancing Translational Sciences.
Serena Yeung, PhD
Profesora Asistente de Biomedical Data Science
Bioestadística
La Dra. Serena Yeung es Profesora Asistente de Biomedical Data Science y, por cortesía, de Computer Science y de Electrical Engineering en Stanford University. Su investigación se centra en el desarrollo de algoritmos de inteligencia artificial y aprendizaje automático para habilitar nuevas capacidades en biomedicina y atención médica. Tiene 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 en video del comportamiento humano hasta imágenes médicas e imágenes de microscopía celular.
La Dra. Yeung dirige el Medical AI and Computer Vision Lab en Stanford. Está afiliada al Stanford Artificial Intelligence Laboratory, al Clinical Excellence Research Center, al Center for Artificial Intelligence in Medicine & Imaging, al Center for Human-Centered Artificial Intelligence y a Bio-X. También forma parte del NIH Advisory Committee to the Director Working Group on Artificial Intelligence.
James Zou
Profesor Asociado de Ciencias de Datos Biomédicos y, por cortesía, de Ciencias de la Computación y de Ingeniería Eléctrica
El Dr. James Zou es Profesor Asociado de Ciencias de Datos Biomédicos y, por cortesía, de Ciencias de la Computación e Ingeniería Eléctrica en la Universidad de Stanford. Su trabajo se centra en hacer que la inteligencia artificial sea más confiable, compatible con los humanos y estadísticamente rigurosa, con especial interés en aplicaciones en enfermedades y salud humana. Obtuvo su doctorado en Harvard en 2014 y ha sido miembro de Microsoft Research, Becario Gates en Cambridge y Becario Simons en UC Berkeley. Se incorporó a Stanford en 2016 y es Investigador Chan-Zuckerberg. Su laboratorio forma parte del Laboratorio de IA de Stanford. Su investigación cuenta con el apoyo de dos Premios de Investigador del Chan-Zuckerberg Biohub, la Beca Sloan, el Premio NSF CAREER, un Premio a los Diez Mejores Logros Clínicos y premios para profesores de Google, Adobe y Amazon.
Janet Hwang, MS
Administradora de Bases de Datos
Janet Hwang recibió su licenciatura del departamento de matemáticas de Tamkang University en Taiwán y su maestría en ciencias de la computación de la University of Houston en Texas. Antes de llegar a Stanford en 2017, trabajó para empresas emergentes en San José, ayudando a diseñar e implementar sistemas de gestión de bases de datos y tecnologías Web 2.0.