Prix
$40-$140
Membres du comité responsables du symposium
Université McGill
Université de Toronto
La recherche biomédicale est en pleine mutation grâce à des données d’une ampleur et d’une complexité sans précédent : la génomique à l’échelle de la population, l’imagerie biologique haute résolution et les dossiers médicaux électroniques (DME) exhaustifs sont en train de transformer le développement des médicaments et la médecine de précision. Cependant, les méthodes statistiques et informatiques actuelles peinent à relever les défis liés à l’hétérogénéité, au bruit, à la haute dimensionnalité et à la rigueur réglementaire. Cet atelier réunit des statisticiens, des chercheurs en apprentissage automatique et des scientifiques biomédicaux afin d’établir une base méthodologique commune pour ce domaine émergent. Les thèmes centraux comprennent l’inférence à haute dimension en génomique, l’apprentissage de la représentation pour l’imagerie, la découverte de causes à partir des données des DME et la quantification de l’incertitude pour les applications critiques en matière de prise de décision dans le développement de médicaments. Grâce à des exposés ciblés et à des discussions collaboratives, l’atelier vise à catalyser la recherche à l’intersection des statistiques, de l’IA et de la biomédecine, en traduisant des données complexes en avancées cliniques scientifiques rigoureuses et fiables. Ce symposium sera coorganisé avec le Centre de recherches mathématiques (CRM) dans le cadre de son semestre thématique « Math for Health » (Les mathématiques au service de la santé), qui se tiendra d’août à décembre 2026.
Horaire complet et conférencier(e)s
Jeudi 20 août 2026
Thème de la journée – Inférence conforme et prédictions fiables : garanties statistiques et robustesse des méthodes
8h30 – 8h50 : Accueil, enregistrement, café
8h50 – 9h00: Mot de bienvenue par Aurélie Labbe (IVADO, HEC Montréal), Archer Yi Yang (McGill University) and Dehan Kong (University of Toronto), organisateurs du symposium
9h00 – 9h45: Hongtu Zhu (UNC), Causal Generalist Medical AI
9h45 – 10h30: Erica Moodie (McGill University), Statistical and causal perspectives on ML for individualized treatment strategies
10h30 – 11h00: Pause-café
11h00 – 11h45: Jin Ying (University of Pennsylvania), Quantifying and limiting false positives in AI-driven therapeutic discovery
11h45 – 13h30: Lunch (non fourni)
13h30 – 14h15: Xihong Lin (Harvard), Harnessing Synthetic Data from Generative AI in Statistical Inference
14h15 – 15h00: Jessie Gronsbell (University of Toronto), ML-powered scientific research: Possibilities and pitfalls
15h00 – 15h30: Pause-café
15h30 – 16h15: Nancy R. Zhang (UPenn), Virtual Tissue Perturbations: Causal AI and Statistics in Spatial Omics
16h15 – 17h00: Martin Lindquist (Johns Hopkins University), Individualized spatial topography in functional neuroimaging
17h00 – 19h00: Cocktail de réseautage
Vendredi 21 août 2026
Thème de la journée – Applications et méthodes émergentes
8h30 – 8h50: Accueil, enregistrement, café
8h50 – 9h00: Mot de bienvenue et programme de la journée
9h00 – 9h45: Elena Tuzhilina (UofT), Imputing Single-Cell Contact Data via Zero-Inflated Tensor Smoothing
9h45 – 10h30: Hongyu Zhao (Yale), Integrating Large-Scale AI Models with Statistical Genetics and Genomics for Multimodal Biomedical Discovery
10h30 – 11h00: Pause-café
11h00 – 11h45: Eugene Katsevich (UPenn), PerturbPlan: An analytical framework for designing Perturb-seq experiments
11h45 – 13h30: Lunch (non fourni)
13h30 – 14h15: Danilo Bzdok (IVADO, McGill University), Title to be confirmed
14h15 – 15h00: Tianxi Cai (Harvard), Titre à confirmer
15h00 – 15h30: Pause-café
15h30 – 16h15: Panel de discussion – Ensemble des intervenant(e)s
16h15 – 16h45: Synthèse et conclusion avec Aurélie Labbe (HEC Montréal, IVADO), présidente du comité scientifique de l’événement et Christopher Pal, codirecteur scientifique responsable des activités scientifiques.
