Dr Mikołaj Buchwald specjalizuje się w zastosowaniach metod sztucznej inteligencji i uczenia maszynowego w medycynie. Z PCSS jest związany od 2018 roku. W roku 2021 uzyskał on stopień doktora nauk w dziedzinie neuronauki obliczeniowej na Uniwersytecie im. Adama Mickiewicza w Poznaniu. Dwa lata później otrzymał prestiżowe stypendium Fundacji Kościuszkowskiej, które umożliwiło mu prowadzenie badań nad generatywną sztuczną inteligencją w Cedars-Sinai Medical Center w Los Angeles. Po zakończeniu stypendium pracował jako Postdoctoral Scientist przy projekcie finansowanym przez U.S. National Institutes of Health (NIH).
Dr Mikołaj Buchwald jest autorem i współautorem ponad 30 recenzowanych publikacji naukowych z zakresu sztucznej inteligencji, neuronauki obliczeniowej oraz analizy danych medycznych.
Specjalizacja:
- uczenie maszynowe i sztuczna inteligencja w medycynie
- neuronauka obliczeniowa
Materiały audio-wideo:
Podcast PCSS Talks | Jak rozmawiać z maszyną, czyli interfejs: człowiek-komputer (część 1 i 2)
Radio Afera – Aferanek | Czipy czytające myśli człowieka i tłumaczące je na tekst i mowę z wykorzystaniem sztucznej inteligencji
Wybrane publikacje:
- Population-Specific Characteristics of Epicardial Adipose Tissue in Patients Undergoing Hybrid Perfusion Imaging: An AI-enabled Multicenter Study
Journal of Nuclear Medicine 67 (supplement 1), 2026 - Diagnosing severe low-gradient vs moderate aortic stenosis with artificial intelligence based on echocardiography images
Journal of Imaging Informatics in Medicine 39, 2026 - AI-quantified epicardial adipose tissue and prediction of future myocardial infarction in patients with cardiometabolic disease: a post-hoc analysis from the SCOT-HEART trial
Cardiovascular diabetology 24, 2025 - Can AI solve the problem of diagnosing low-gradient aortic stenosis?
European Heart Journal 46 (supplement 1), 2025 - Standardisation of an AI-based vocal fold assessment tool on a recurrent respiratory papillomatosis model
ACTA Otorhinolaryngologica Italica 45, 2025 - AI-based volumetric six-tissue body composition quantification from CT cardiac attenuation scans for mortality prediction: a multicentre study
The Lancet Digital Health 7, 2025 - AI may help to predict thyroid nodule malignancy based on radiomics features
EJNMMI research, 2025 - Deep learning-enabled, computed-tomography-based race-and sex-specific epicardial adipose tissue thresholds for cardiovascular risk stratification
Medical Imaging 2025: Clinical and Biomedical Imaging, 2025 - Holistic AI analysis of hybrid cardiac perfusion images for mortality prediction
NPJ Digital Medicine 8, 2025 - Automated proximal coronary artery calcium identification using artificial intelligence: advancing cardiovascular risk assessment
European Heart Journal-Cardiovascular Imaging 26, 2025