Artificial Intelligence in Hepatology — EASL School 2026, Dresden

Context și importanță

Inteligența artificială transformă rapid practica hepatologică — de la interpretarea imagisticii (elastografie, ecografie, RMN hepatic) la analiza datelor moleculare și predicția prognosticului în ciroza hepatică, hepatocarcinomul și MASLD. EASL School oferă un mediu de formare intensivă pentru hepatologi și cercetători care doresc să înțeleagă principiile de bază ale AI și să evalueze critic studiile clinice cu AI în hepatologie.

Cursul este organizat de EASL AI Task Force și ESAC (European Society for Academic Clinicians) Steering Committee, reunind experți de top în aplicarea machine learning și deep learning în date clinice și imagistice din hepatologie.

Programul și structura cursului

Fundamentele AI în medicina clinică

Principii de bază ale machine learning și deep learning accesibile clinicienilor non-informaticieni. Tipuri de algoritmi utilizați în medicină: clasificare, regresie, clustering, rețele neuronale convoluționale (CNN) pentru imagistică medicală. Diferența dintre AI supervizat și nesupervizat, avantajele și limitele fiecărei abordări în context clinic.

Prelucrarea imaginilor și hepatologia

Aplicații de image processing în hepatologie: analiza automată a biopsiei hepatice prin AI (cuantificarea fibrozei, steatozei, inflamației), interpretarea imagisticii abdominale (ecografie, CT, RMN), detecția nodulenilor hepatici și diferențierea benign-malign prin sisteme AI. Date din studii comparative AI vs. patolog/radiolog.

Evaluarea critică a studiilor AI în hepatologie

Criterii de calitate pentru evaluarea publicațiilor cu algoritmi AI: validarea externă, overfitting, bias în seturile de date de antrenament, reproductibilitatea rezultatelor. Checkliste și ghiduri TRIPOD+AI pentru raportarea studiilor predictive cu AI. Cum să interpretezi un ROC-AUC în contextul hepatologiei clinice.

Algoritmi echitabili și explicabili (Explainable AI)

Problematica bias-ului în algoritmi AI aplicați în sănătate: diferențe între populații, reprezentativitate în seturile de date, consecințele algoritmilor nereprezentați aplicați populațiilor diverse. Metode de explicabilitate AI (SHAP values, LIME, Grad-CAM) și importanța lor pentru acceptarea algoritmilor în practica clinică.

Sesiuni de hackathon și lucru în grup

Componenta interactivă a EASL School include sesiuni de hackathon în care participanții lucrează direct cu seturi de date clinice și aplică conceptele de AI înțelese teoretic. Discuții de grup ghidate de experți, analiză de cazuri clinice cu soluții AI și feedback individualizat din partea instructorilor.

Lectori și experți

• Julien Calderaro — ESAC Steering Committee / EASL AI Task Force; patolog, expert în AI aplicat histologiei hepatice
• Jan Clusmann — cercetător în AI medical, aplicații clinice de deep learning
• Narmin Ghaffari Laleh — ESAC Management Office; expert în analiza datelor clinice prin AI
• Jakob Kather — ESAC Steering Committee / EASL AI Task Force; profesor în oncologie digitală și AI în patologie
• Carolin V. Schneider — EASL AI Task Force; hepatolog cu expertiză în machine learning aplicat bolilor hepatice metabolice

Audiență

Cursul se adresează hepatologilor și gastroenterologilor cu interes în cercetare și inovație digitală, rezidentilor avansați în hepatologie și gastroenterologie, cercetătorilor clinici din domeniu și medicilor cu activitate în centrele universitare cu programe de cercetare în hepatologie. Selecția participanților s-a realizat prin candidatură (deadline septembrie 2025).

Informații practice

Evenimentul se desfășoară la Dresden, Germania, 26–27 iunie 2026, format prezențial intensiv. Organizator: European Association for the Study of the Liver (EASL).