ସୂଚୀ ସରିୟା

ଉଇକିପିଡ଼ିଆ‌ରୁ

[[Category:Lua error in package.lua at line 80: module 'Module:Pagetype/setindex' not found. with short description]]

ସୂଚୀ ସରିୟା
Suchi Saria in 2019 video from the National Science Foundation
Alma materମାଉଣ୍ଟ ହୋକେ କଲେଜ Mount Holyoke College (BA)
ଷ୍ଟାନଫୋର୍ଡ ବିଶ୍ୱବିଦ୍ୟାଳୟ Stanford University (MSc, PhD)
Known forPersonalised medicine
Big data
Machine learning
AwardsSloan Research Fellowship (2018)
Innovators Under 35 (2017)
ବିଜ୍ଞାନୀ ଜୀବନ
କ୍ଷେତ୍ରMachine Learning
Reasoning under Uncertainty
Causal Inference
Computational Healthcare
କର୍ମାନୁଷ୍ଠାନଜନ ହପକିନ୍ସ ବିଶ୍ୱବିଦ୍ୟାଳୟ , Johns Hopkins University
ବୈଜ୍ଞାନିକ ନିବନ୍ଧThe digital patient : machine learning techniques for analyzing electronic health record data (2011)
ଡକ୍ଟରୀ ଉପଦେଷ୍ଟାଡ. ଡାଫେନ କଲର Daphne Koller
Websitesuchisaria.jhu.edu

ସୂଚୀ ସରିୟା‌ ଚିକିତ୍ସା ବିଜ୍ଞାନ ଓ ମେସିନ ଲର୍ନିଙ୍ଗ ଉପଯୋଗରେ ବିଭିନ୍ନ ପ୍ରକାର ଅତ୍ୟାଧୁନିକ ଔଷଧ ପ୍ରସ୍ତୁତ କରିବା କ୍ଷେତ୍ରରେ ଗବେଷଣା କରୁଥିବା ଜଣେ ଭାରତୀୟ ବୈଜ୍ଞାନିକ । ବର୍ତ୍ତମାନ ସେ ମେରୀଲ୍ୟାଣ୍ଡସ୍ଥିତ ଜନ ହପକିନ୍ସ ବିଶ୍ୱବିଦ୍ୟାଳୟ ରେ, ସହକାରୀ ଅଧ୍ୟାପକ ଭାବରେ କାର୍ଯ୍ୟରତ ଅଛନ୍ତି । ସେ ନିଜର ଗବେଷଣା ଓ ଅଧ୍ୟାପନା ସମ୍ପର୍କିତ କାମ ପାଇଁ "ବିଗ ଡାଟା" ଟେକ୍ନୋଲୋଜି ଓ ସମ୍ପର୍କିତ ତଥ୍ୟାବଳୀ ବ୍ୟବହାର କରିଥାନ୍ତି । [୧][୨] ଚିକିତ୍ସା ବିଜ୍ଞାନ କ୍ଷେତ୍ରରେ ପ୍ରଯୁକ୍ତି ବିଦ୍ୟାର ଉପଯୁକ୍ତ ବ୍ୟବହାର ଓ ଗବେଷଣା ପାଇଁ ତାଙ୍କୁ "ବିଶ୍ୱ ଅର୍ଥନୈତିକ ସଂସ୍ଥାନ" ବା "World Economic Forum"ଦ୍ୱାରା "ୟଙ୍ଗ ଗ୍ଲୋବାଲ ଲିଡର" (Young Global Leader) ସମ୍ମାନରେ ସମ୍ମାନିତ କରାଯାଇଛି । ଏହି ସମ୍ମାନ ପାଇବାରେ ସେ ହେଉଛନ୍ତି ପ୍ରଥମ ଭାରତୀୟ ମହିଳା ବୈଜ୍ଞାନିକ ।

ଜୀବନୀ[ସମ୍ପାଦନା]

ସରିୟା‌ ପଶ୍ଚିମବଙ୍ଗର ଦାର୍ଜିଲିଂର ବାସିନ୍ଦା ଏବଂ ମାଉଣ୍ଟ ହୋକେ କଲେଜରୁ ନିଜର ସ୍ନାତକ ହାସଲ କରିଛନ୍ତି । [୩] [୪] ଏହାପରେ ୨୦୦୪ ମସିହାରେ ସେ ମାଇକ୍ରୋସଫ୍ଟ କମ୍ପାନୀଦ୍ୱାରା ଛାତ୍ରବୃତ୍ତି ପାଇ ଷ୍ଟାନଫୋର୍ଡ ବିଶ୍ୱବିଦ୍ୟାଳୟରେ ଗବେଷକ ଭାବରେ ଯୋଗ ଦେଇଥିଲେ । ସେଠାରେ ସେ ନିଜର ସ୍ନାତକତ୍ତୋର ଓ ଡକ୍ତରେଟ ଡିଗ୍ରୀ ପ୍ରାପ୍ତ କରିଥିଲେ । [୫] ସେ ଷ୍ଟାନଫୋର୍ଡ ବିଶ୍ୱବିଦ୍ୟାଳୟରେ ଡକ୍ତରେଟ ପଢିବା ବେଳେ ଡ. ଡାଫେନ କଲର ତାଙ୍କର ଉପଦେଷ୍ଟା ରହିଥିଲେ । ଏହି ସମୟକାଳ ଭିତରେ ଅଧ୍ୟାପକ ଆନ୍ନା ଅଶର ପାନ୍ନ ଓ ସେବାଷ୍ଟିଆନ ଥ୍ରାନଙ୍କର ସହକାରୀ ଗବେଷକ ଭାବରେ କାର୍ଯ୍ୟ କରି ସରିୟା‌ ଏକ ଷ୍ଟାଟିଷ୍ଟିକାଲ ମଡେଲ ବାହାର କରିଥିଲେ, ଯାହାର ବ୍ୟବହାରଦ୍ୱାରା ପ୍ରିମାଚୁଅର ବେବି ବା ଜନ୍ମ ନେବାର ସଠିକ ସମୟ (୩୭ ସପ୍ତାହ) ଆଗରୁ, ଜନ୍ମ ହେଉଥିବା ଶିଶୁ ମାନଙ୍କର ଗଣନାର ଅନୁମାନ ୯୦% ସଠିକତାର ସହିତ କରାଯାଇ ପାରିଥିଲା । [୬] ପରେ ଏହି ମଡେଲକୁ ବ୍ୟବାହାର କରି, ସମୟ ପୂର୍ବରୁ ଜନ୍ମ ହେବାକୁ ଥିବା ଶିଶୁଟିର ଜନ୍ମ ସମୟକୁ ଓଜନ କେତେ ହୋଇଥିବ, ମୋଟ କେତେ ସମୟ ଏହି ଭୃଣଟି ମା'ର ଗର୍ଭରେ ରହିଥିବ ଏବଂ ଜନ୍ମ ହେବା ସମୟକୁ ଏହା କୌଣସି ରୋଗ ବା ଶାରୀରିକ ସମସ୍ଯା ସହିତ ଜନ୍ମ ନେବ, ସେସବୁର ଆକଳନ କରାଯାଇ ପାରିଥିଲା । [୭] [୮] ସେ ଆଷ୍ଟର ଡାଟା ସିଷ୍ଟମ୍ସ ନାମକ ଏକ ଷ୍ଟାର୍ଟଅପ କମ୍ପାନୀରେ ମଧ୍ୟ କାମ କରିଛନ୍ତି । [୯]

ବୃତ୍ତି ଓ ଗବେଷଣା[ସମ୍ପାଦନା]

ବିଗ୍ ଡାଟା ଟେକ୍ନୋଲୋଜିକୁ ବ୍ୟବାହାର କରି ବର୍ତ୍ତମାନର ଚିକିତ୍ସା ପଦ୍ଧତ୍ତି ଓ ସ୍ବାସ୍ଥ୍ୟସେବା ଆଦି କ୍ଷେତ୍ରରେ ଅନେକ ଗୁଣାତ୍ମକ ଉନ୍ନତ୍ତି କରାଯାଇପାରିବ ବୋଲି ସରିୟା ମତ ଦିଅନ୍ତି । [୧୦][୧୧] ଏହି ବିଭାଗରେ ନିଜର ଗବେଷଣା ଓ ପାରଦର୍ଶିତା ପାଇଁ ତାଙ୍କୁ କମ୍ପ୍ୟୁଟେସନାଲ୍ ଷ୍ଟାଟିଷ୍ଟିକ୍ସ୍ କ୍ଷେତ୍ର ଓ ଏହାର ବ୍ୟାବହାରରେ ଏକ ବିଦ୍ୱାନ ଭାବରେ ମାନ୍ୟତା ଦିଆଯାଏ । [୪] ନିଜର ବୃତ୍ତିଗତ କାମ ପାଇଁ ସେ ବାୟେସିୟାନପ୍ରୋବାବିଲିଷ୍ଟିକ ମଡେଲିଙ୍ଗ ବ୍ୟବାହାର କରିଥାନ୍ତି । [୩] ୨୦୧୪ ମଶିହାରେ "ଗର୍ଡନ ଓ ବେଟୀ ମୋର ଫାଉଣ୍ଡେସନ"ଦ୍ୱାରା ତାଙ୍କୁ ୧.୫ ମିଲିୟନ ଅର୍ଥରାଶିଦ୍ୱାରା ପୁରସ୍କୃତ କରାଯାଇଥିଲା, କାରଣ ତାଙ୍କ ପ୍ରସ୍ତାବିତ ଏକ ପ୍ରକଳ୍ପଦ୍ୱାରା ଆଇ.ସି.ୟୁ. ଗୁଡିକର କାର୍ଯ୍ୟକାରିତା ଓ ସୁରକ୍ଷାର ମାନ ବୃଦ୍ଧି ପାଇଥିଲା । [୧୨]
ବିଭିନ୍ନ ବଂଶାନୁକ୍ରମିକ ଅଥବା ଦୀର୍ଘ ସମୟ ଧରି ଲାଗି ରହିଥିବା ରୋଗ ଗୁଡିକର ନିରୀକ୍ଷଣ ତଥା ନିରାକରଣ ପଦ୍ଧତ୍ତିକୁ ଉନ୍ନତ୍ତ କରିବା ପାଇଁ ସରିୟା ବିଗ୍ ଡାଟା ଟେକ୍ନୋଲୋଜିକୁ ବ୍ୟବାହାର କରିଥାନ୍ତି । [୧୩] ଏହି ପ୍ରକଳ୍ପରେ, ଚିକିତ୍ସାଧୀନ ଥିବା ରୋଗୀ ମାନଙ୍କର ଚିକିତ୍ସା ବିବରଣୀ, ରୋଗର ଲକ୍ଷଣ, ଦିଆଯାଉଥିବା ଔଷଧ ଗୁଡିକର ପ୍ରକାରଭେଦ ଇତ୍ୟାଦି ତଥ୍ୟ ଗୁଡିକୁ ରୋଗୀ ମାନଙ୍କର ଶଯ୍ୟା ପାଖରେ ବା କକ୍ଷରେ ଥିବା ବିଭିନ୍ନ ସେନ୍ସରଦ୍ୱାରା ସଂଗ୍ରହ କରାଯାଇଥାଏ ।[୧୪] ପରେ ଏହି ତଥ୍ୟାବଳୀକୁ ନେଇ ମେସିନ ଲର୍ନିଙ୍ଗ ଟେକ୍ନୋଲୋଜିକୁ ବ୍ୟବାହାର କରି ରୋଗର ନିରାକରଣ ସମୟସୀମା କେତେ ରହିବ ସେ ବିଷୟରେ ଅନୁମାନ ଲଗାଯାଇଥାଏ । .[୧୩]

ପୁରସ୍କାର ଓ ସମ୍ମାନ[ସମ୍ପାଦନା]

  • ୨୦୧୮ : ସ୍ଲୋଆନ ରିସର୍ଚ ଫେଲୋସିପ । Sloan Research Fellowship [୧୫][୧୬][୧୭]
  • ୨୦୧୮ : ୱାର୍ଲ୍ଡ ଇକୋନୋମିକ ଫୋରମ ୟଙ୍ଗ ଗ୍ଲୋବାଲ ଲିଡର । World Economic Forum's Young Global Leaders [୧୭]
  • ୨୦୧୭ : ଇନୋଭେଟର୍ସ ଅଣ୍ଡର 35 । Innovators Under 35 [୧୮]
  • ୨୦୧୭ : ୟଙ୍ଗ ଫାକୁଲ୍ଟି ଫେଲୋସିପ । Young Faculty Fellowship[୧୯]
  • ୨୦୧୭ : ବ୍ରିଲିଆଣ୍ଟ 10 । Brilliant 10 award by Popular Science[୨୦]
  • ୨୦୧୫ : ୟଙ୍ଗ ଷ୍ଟାର ଇନ ଆର୍ଟିଫିସିଆଲ ଇଣ୍ଟେଲିଜେନ୍ସ । Young Star in Artificial Intelligence [୨୧]
  • ୨୦୧୪ : ଗୁଗୁଲ ରିସର୍ଚ ଆୱାର୍ଡ । Google Research Award[୪]
  • ୨୦୧୪ : ଆନୁଆଲ ସାଇଣ୍ଟିଫିକ ଆୱାର୍ଡ । Annual Scientific Award[୪]
  • ୨୦୧୩ : ଗର୍ଡନ ଓ ବେଟୀ ମୋର ଫାଉଣ୍ଡେସନ ରିସର୍ଚ ଆୱାର୍ଡ । Gordon and Betty Moore Foundation Research Award[୪]

ଆଧାର[ସମ୍ପାଦନା]

  1. Bates, David W.; Saria, Suchi; Ohno-Machado, Lucila; Shah, Anand; Escobar, Gabriel (2014). "Big Data In Health Care: Using Analytics To Identify And Manage High-Risk And High-Cost Patients". Health Affairs. 33 (7): 1123–1131. doi:10.1377/hlthaff.2014.0041. ISSN 0278-2715. PMID 25006137. ଛାଞ୍ଚ:Free access
  2. Saria, S.; Rajani, A. K.; Gould, J.; Koller, D.; Penn, A. A. (2010). "Integration of Early Physiological Responses Predicts Later Illness Severity in Preterm Infants". Science Translational Medicine. 2 (48): 48ra65. doi:10.1126/scitranslmed.3001304. ISSN 1946-6234. PMC 3564961. PMID 20826840.
  3. ୩.୦ ୩.୧ "Suchi Saria – Machine Learning, Computational Health Informatics". suchisaria.jhu.edu. Retrieved 2018-12-16.
  4. ୪.୦ ୪.୧ ୪.୨ ୪.୩ ୪.୪ "Suchi Saria, M.Sc., Ph.D". hopkinsmedicine.org. Johns Hopkins University. Retrieved 2018-12-16.
  5. Saria, Suchi (2011). The digital patient : machine learning techniques for analyzing electronic health record data. stanford.edu (PhD thesis). Stanford University. OCLC 748681635. ଛାଞ୍ଚ:Free access
  6. Willyard, Cassandra (2010-09-08). "New Model Predicts Complications in Preemies". sciencemag.org (in ଇଂରାଜୀ). AAAS. Retrieved 2018-12-16.
  7. "Electronic tool accurately assesses disease risk for preterm infants". healthcareitnews.com (in ଇଂରାଜୀ). Healthcare IT News. 2010-09-09. Retrieved 2018-12-16.
  8. Klein, Dianne. "Researchers design more accurate method of determining premature infants' risk of illness". med.stanford.edu (in ଇଂରାଜୀ). Stanford University. Retrieved 2018-12-16.
  9. "Plenary Speakers | SRI 2017 Annual Meeting". www.sri-online.org. Archived from the original on 2017-11-10. Retrieved 2018-12-17.
  10. Spring 2015, Jim Duffy / Published (2015-03-05). "Personalizing health care through big data". hub.jhu.edu (in ଇଂରାଜୀ). The Hub. Retrieved 2018-12-16.{{cite web}}: CS1 maint: numeric names: authors list (link)
  11. "A $3 Trillion Challenge to Computational Scientists: Transforming Healthcare Delivery - IEEE Journals & Magazine" (in ଆମେରିକୀୟ ଇଂରାଜୀ). doi:10.1109/MIS.2014.58. S2CID 11091114. {{cite journal}}: Cite journal requires |journal= (help)
  12. "Johns Hopkins Winter 2014 Engineering Magazine". eng.jhu.edu. Retrieved 2018-12-16.
  13. ୧୩.୦ ୧୩.୧ "Predictive Medicine - Science Nation". nsf.gov. National Science Foundation. Archived from the original on 2018-12-17. Retrieved 2018-12-16.
  14. "Johns Hopkins Winter 2014 Engineering Magazine". eng.jhu.edu. Retrieved 2018-12-16.
  15. "CS' Suchi Saria named a 2018 Sloan Research Fellow". cs.jhu.edu. Department of Computer Science. 2018-02-15. Retrieved 2018-12-16.
  16. Feb 15, Hub staff report / Published; 2018 (2018-02-15). "Four Johns Hopkins scientists named Sloan Research Fellows". hub.jhu.edu (in ଇଂରାଜୀ). The Hub. Retrieved 2018-12-16. {{cite web}}: |last2= has numeric name (help)CS1 maint: numeric names: authors list (link)
  17. ୧୭.୦ ୧୭.୧ "North America - Meet the 2018 Young Global Leaders". widgets.weforum.org (in ଇଂରାଜୀ). Retrieved 2018-12-16.
  18. "These are the young people in tech to watch right now—meet this year's 35 Innovators Under 35". technologyreview.com (in ଇଂରାଜୀ). MIT Technology Review. Retrieved 2018-12-16.
  19. "Young Faculty Award". darpa.mil. Retrieved 2018-12-16.
  20. "The Woman Who Predicts Septic Shock And Other Health Outcomes". popsci.com (in ଇଂରାଜୀ). Popular Science. Retrieved 2018-12-16.
  21. "IEEE-AI-10-to-Watch.pdf" (PDF). Dropbox.com (in ଇଂରାଜୀ). Retrieved 2018-12-16.