Franco Rugolon Doktorand
Kontakt
Namn och titel: Franco RugolonDoktorand
ORCID0000-0002-7693-0576 Länk till annan webbplats.
Arbetsplats: Institutionen för data- och systemvetenskap Länk till annan webbplats.
Besöksadress Nodhuset, Borgarfjordsgatan 12
Postadress Institutionen för data- och systemvetenskap164 25 Kista
Forskargrupp
Om mig
Jag är doktorand och mina forskningsintressen omfattar användningen av elektroniska patientjournaler för att förutsäga sjukdomsförlopp, utvecklingen av nya metoder för förklarbarhet i maskininlärning, samt analys av dyadiska interaktioner i psykoterapisamtal och modellering av arbetsalliansen mellan terapeut och patient. Inom alla dessa områden har jag ett särskilt intresse för multimodal dataintegration.
Mitt forskningsprojekt, "Let's talk about nonverbal communication", bedrivs i samarbete med Psykologiska institutionen vid Stockholms universitet och finansieras av Marcus och Amalia Wallenbergs Minnesfond.
Min huvudhandledare är Professor Panagiotis Papapetrou, och min biträdande handledare är universitetslektor Ioanna Miliou.
Jag deltar för närvarande i undervisningen av laborationspassen i kursen Foundations of Data Science under höstterminen. Under vårterminen är jag tillgänglig för handledning av masteruppsatser.
Mina föreslagna uppsatsämnen fokuserar på tillämpningen av maskininlärning på dyadiska interaktioner i psykoterapi, cancerutveckling samt dataanalys av elektroniska patientjournaler (EHRs). Jag är dock även öppen för att handleda projekt inom andra områden, förutsatt att studenten visar ett starkt intresse och engagemang för det valda ämnet. Jag handleder endast studenter som skriver sin uppsats på engelska.
Några av de uppsatsprojekt som jag har handlett eller bihandlett under de senaste åren:
- Predicting the Onset of Metastasis by Multimodal Machine Learning in Lung cancer and Melanoma patients
- Evaluating Explainability Techniques for Machine Learning in Healthcare
Predicting Chronic Kidney Disease in Jalisco - An XAI-Enhanced Multimodal Approach with Geospatial and Demographic Data
Predicting Symptom Change in Functional Somatic Syndromes through Multimodal Machine Learning and Explainability
Integrating Genetics and Epigenetics for Predicting the Mutational Landscape in Lung Adenocarcinoma
Min forskning fokuserar på utveckling och tillämpning av maskininlärningsmetoder inom vård och psykoterapi. Jag är särskilt intresserad av dyadiska interaktioner i psykoterapi, där jag undersöker hur maskininlärning kan fånga och modellera de komplexa dynamikerna mellan patienter och terapeuter. Parallellt tillämpar jag maskininlärning på elektroniska patientjournaler (EHRs) för att förutsäga sjukdomsförlopp, med målet att stödja tidiga insatser och förbättra kliniska resultat.
En central del av mitt arbete är utvecklingen av nya metoder för förklarbarhet som gör maskininlärningsmodeller mer transparenta och tillförlitliga för praktiker. Inom dessa områden fokuserar jag på multimodala data och modellering av interaktioner mellan olika modaliteter, eftersom jag menar att integrationen av mångsidiga informationskällor ger djupare insikter och mer robusta prediktioner.