Russ Greiner se concentre sur la prédiction de la survie et les modèles d'apprentissage qui produisent des résultats objectifs et exploitables.

Personnalisation des soins de santé

Russ Greiner se concentre sur le développement et l'amélioration des applications de l'apprentissage automatique en médecine, en apportant des solutions à des problèmes spécifiques du monde réel dans un éventail de considérations cliniques. Il travaille en étroite collaboration avec des cliniciens et des chercheurs en médecine (en psychiatrie, en oncologie, en cardiovasculaire, en diabétologie et dans d'autres domaines), en métabolomique et dans d'autres disciplines pour développer des outils axés sur les données qui aident les praticiens dans le dépistage, le diagnostic, le pronostic et la planification des traitements en matière de santé physique et mentale. Dans le domaine de la psychiatrie informatique, Russ utilise l'apprentissage automatique sur l'IRMf (imagerie par résonance magnétique fonctionnelle) et d'autres données cliniques pour développer de nouvelles méthodes de diagnostic de la schizophrénie et d'évaluation de la gravité d'une série de symptômes. Ces techniques peuvent également être utilisées pour toute une série de troubles psychiatriques, notamment le trouble déficitaire de l'attention avec hyperactivité et la dépression. Dans le domaine de la médecine de précision, Russ travaille avec des collègues du secteur des soins de santé pour mettre au point des méthodes permettant de recommander des plans spécifiques aux patients pour le traitement de maladies telles que le cancer ou le diabète et de prédire les résultats de santé individuels. Russ s'intéresse également à la construction de meilleurs algorithmes qui apprennent de l'expérience, en travaillant à la production de systèmes d'apprentissage automatique plus robustes et efficaces.

Après avoir obtenu un doctorat à Stanford, Russ Greiner a travaillé dans la recherche universitaire et industrielle avant de s'installer à l'université de l'Alberta, où il est aujourd'hui professeur d'informatique (adjoint en psychiatrie) et directeur scientifique fondateur de l'Alberta Machine Intelligence Institute. Il a été président de programme ou de conférence pour diverses conférences importantes et a fait partie du comité de rédaction d'un certain nombre de revues spécialisées. Il a été élu membre de l'AAAI (Association for the Advancement of Artificial Intelligence), a reçu le McCalla Professorship et le Killam Annual Professorship ; en 2021, il a reçu le CAIAC Lifetime Achievement Award et est devenu titulaire d'une chaire d'IA du CIFAR. En 2022, le musée Telus World of Science lui a rendu hommage en organisant une table ronde, et il a reçu le Precision Health Innovator Award (UofA), puis en 2023, il a reçu le CS-Can | Info-Can Lifetime Achievement Award. En 2024, il a partagé le prix Brockhouse avec David Wishart, pour leur travail commun sur "Machine Learning for Metabolomics". Pour son mentorat, il a reçu en 2020 le FGSR Great Supervisor Award, puis en 2023 le Killam Award for Excellence in Mentoring. Il a publié plus de 350 articles avec comité de lecture, la plupart dans les domaines de l'apprentissage automatique et, plus récemment, de l'informatique médicale, dont six ont été récompensés par le prix du meilleur article. Ses travaux actuels portent principalement sur (1) la bio-informatique et l'informatique médicale, (2) la prédiction de la survie et (3) les fondements formels de la capacité d'apprentissage.