Znanstveno vijeće za medicinu i tehniku Hrvatske akademije znanosti i umjetnosti organizira tematske rasprave, okrugle stolove, konferencije i predavanja, u namjeri poticanja suradnje znanstvenika i stručnjaka iz različitih znanstvenih, obrazovnih, zdravstvenih i gospodarskih institucija, u cilju razmjene i stvaranja kompetitivnih znanja kroz sudjelovanje u interdisciplinarnim istraživačkim i razvojnim projektima, obrazovnim programima i drugim zajedničkim aktivnostima te je u srijedu 15. listopada 2025. u dvorani Knjižnice HAZU organiziralo znanstveni simpozij Umjetna inteligencija u kardiologiji. Predsjedatelji simpozija bili su akademik Davor Miličić (Razred za medicinske znanosti) i akademik Sven Lončarić (Razred za tehničke znanosti).

Poveznica: Umjetna inteligencija u kardiologiji

PROGRAM:
• Uvodno obraćanje:
akademik Velimir Neidhardt, predsjednik HAZU
akademkinja Vida Demarin, tajnica Razreda za medicinske znanosti HAZU
akademik Ignac Lovrek, tajnik Razreda za tehničke znanosti HAZU

• Umjetna inteligencija u kardiovaskularnoj genetici
doc. dr. sc. Ivo Planinc, Klinika za bolesti srca i krvnih žila, KBC Zagreb i Sveučilište Algebra
Bernays, Zagreb
• Primjena umjetne inteligencije u dijagnostici i liječenju zatajivanja srca
doc. dr. sc. Nina Jakuš, Klinika za bolesti srca i krvnih žila, KBC Zagreb i Sveučilište Algebra
Bernays, Zagreb

• Umjetna inteligencija u ehokardiografiji
doc. dr. sc. Vlatka Rešković Lukšić, Klinika za bolesti srca i krvnih žila, KBC Zagreb i
Sveučilište Algebra Bernays, Zagreb

• Primjeri uporabe umjetne inteligencije u integriranom oslikavanju miokarda
dr. sc. Filip Lončarić, Klinika za bolesti srca i krvnih žila, KBC Zagreb

• Artificial intelligence for clinical decision-making: challenges and opportunities
Prof. Bart Bijnens, PhD, Sveučilište Pompeu Fabra, Barcelona, Španjolska

• Analiza kardioloških slika metodama umjetne inteligencije
dr. sc. Donik Vršnak, Fakultet elektrotehnike i računarstva, Sveučilište u Zagrebu

Predavači i predavanja

 doc. dr. sc. Ivo Planinc

Klinika za bolesti srca i krvnih žila, KBC Zagreb i Sveučilište Algebra Bernays, Zagreb

Životopis

Ivo Planinc je rođen 1986. godine, a diplomirao je na Medicinskom fakultetu Sveučilišta u Zagrebu 2010. godine. Od 2018. godine radi kao specijalist kardiolog u Zavodu za intenzivnu kardiološku skrb, aritmije i transplantacijsku kardiologiju. Dr. Planinc je 2017. završio 2-godišnji Poslijediplomski studij iz zatajivanja srca Sveučilišta u Zurichu i Sveučilišne bolnice u Zurichu (Švicarska). U kolovozu 2023. je obranio “summa cum laude” doktorsku disertaciju pod nazivom “Myocardial structural analysis with synchrotron X-ray tomographic imaging in heart failure”. Uže područja rada u kardiologiji mu je akutno i kronično zatajivanje srca (uključujući kardiomiopatije, napredne modalitete liječenja poput transplantacije srca i mehaničke cirkulacijske potpore), intenzivna kardiologija i ehokardiografija. Dr. Planinc aktivno sudjeluje u kliničkoj nastavi studenata diplomskih i poslijediplomskih studija Medicinskog fakulteta Sveučilišta u Zagrebu kao vanjski suradnik i Sveučilišta Algebra-Bernays kao docent. Aktivno sudjeluje u više akademskih znanstveno-istraživačkih projekata, te kao istraživač u više velikih međunarodnih multicentričnih kliničkih istraživanja. Autor je i koautor više od 20 znanstvenih radova, recenzent vodećih svjetskih časopisa iz područja kardiologije, recenzent inozemnih istraživačkih projekata i autor brojnih pozvanih predavanja na domaćim i inozemnim znanstvenim i stručnim skupovima.

Tema: Umjetna inteligencija u kardiovaskularnoj genetici

Sažetak

Genetika je jedan od temelja personalizirane kardiovaskularne medicine, te je pod velikim utjecajem razvoja umjetne inteligencije. Duboko učenje i druge metode strojnog učenja automatiziraju prepoznavanje i klasifikaciju genskih varijanti, povezujući podatke sekcencioniranja s fenotipom te time skraćuju dijagnostičkog postupka. Metode strojnog učenja olakšavaju izradu poligenskih bodovnih tablica rizika kombinirajući milijune genskih polimorfizama s kliničkim i okolišnim čimbenicima, a što omogućuje npr. rano prepoznavanje rizika ishemijske bolesti srca ili fatalnih aritmija. U rijetkim bolestima, poput nasljednih kardiomiopatija i kanalopatija, pojedini modeli otkrivaju nove genske signale u istraživanju povezanosti na razini cijeloga genoma (“genome wide association studies”). Integracijom genomike sa slikovnim i drugim dijagnostičkim podatcima (elektrokardiogram, ehokardiogram, magnetska rezonancija) nastaje „radiogenomika”: stvoreni su modeli koji npr. pomoću elektrokardiograma mogu prepoznati genotip čak i prije jasno razvijenog fenotipa. Postoje i izazovi poput uopćavanja rezultata dobivenih na malim kohortama bolesnika na širu populaciju, nedovoljna transparentnost pojedinih modela, te pitanja privatnosti i vlasništva odnosno upravljanja podatcima. Poštivanje etičkih normi je ključno, a korištenje podataka mora biti uvjetovano informiranim pristancima. Ukratko, metode temeljene na umjetnoj inteligenciji omogućuju brže i preciznije tumačenje genskih nalaza, temeljitiju procjenu rizika i istinski personaliziranu kardiovaskularnu skrb—pod uvjetom striktnog kliničkog nadzora i odgovorne primjene.

doc. dr. sc. Nina Jakuš

Klinika za bolesti srca i krvnih žila, KBC  Zagreb i Sveučilište Algebra Bernays, Zagreb

Životopis

Nina Jakuš diplomirala je 2012. godine na Medicinskom fakultetu Sveučilišta u Zagrebu, poslije čega provodi godinu dana baveći se istraživačkim radom na Sveučilištu Leuven u Belgiji, i pohađajući poslijediplomski studij „Napredno medicinsko oslikavanje“ (engl. „Advanced medical imaging“). Od 2015. godine provodi specijalizaciju iz kardiologije na Klinici za bolesti srca i krvnih žila, KBC Zagreb, a tijekom specijalizacije pohađa poslijediplomski studij Biomedicina i zdravstvo Medicinskog fakulteta u Zagrebu. Za trajanja specijalizacije, u periodu 2018.-2019., na Sveučilištu u Zürichu (Švicarska) pohađa poslijediplomski studij Postgraduate course in heart failure, tijekom kojeg sudjeluje u stvaranju te koordinira multinacionalni registar bolesnika nosioca mehaničkih srčanih crpki, a podaci ovog registra postaju temelj njezine doktorske disertacije i rezultiraju višestrukim publikacijama. 2020. godine završava specijalizaciju, te je nadalje zaposlena kao specijalist kardiolog na Zavodu za intenzivno kardiološko liječenje, aritmije i transplantacijsku kardiologiju, a istovremeno sudjeluje u nastavi Medicinskog fakulteta u Zagrebu kao vanjski suradnik. 2023. godine brani doktorsku disertaciju na temu „Kombinacija uređaja u liječenju uznapredovaloga zatajenja srca“ nakon čega stječe titulu doktora znanosti. 2025. godine postaje docentica na Sveučilištu Algebra Bernays. Dr. Jakuš autorica i koautorica je više od 15 znanstvenih radova, te je recenzentica više inozemnih časopisa iz područja kardiologije.

Tema: Primjena umjetne inteligencije u dijagnostici i liječenju zatajivanja srca

Sažetak

Procjenjuje se kako srčano zatajivanje pogađa više od 10 milijuna stanovnika Europske Unije, te se predviđa kako će u budućnosti opterećenje na zdravstveni sustav biti  izraženije, zbog rastuće populacije bolesnika sa srčanim zatajivanjem, kao i generalnog starenja stanovništva. Umjetna inteligencija, kao računarska znanost koja se bavi matematičkim algoritmima namijenjenim automatizaciji inteligentnog ponašanja, može predstavljati prijeko potrebnu podršku zdravstvenim sustavima. Potencijalna područja primjene umjetne inteligencije u srčanom zatajivanju uključuju prevenciju i predviđanje razvoja srčanog zatajivanja, dijagnostičke metode, pomoć pri nadziranju relevantnih vitalnih parametara na daljinu, kao i predviđanje učinkovitosti određenih terapijskih opcija u subpopulacijama bolesnika, s ciljem pružanja personalizirane skrbi. S postepenom implementacijom ovih metoda u svakodnevnom kliničkom radu, nužna je kritička evaluacija potencijalnih nedostataka primjene umjetne inteligencije u liječenju bolesnika (nedostatak validacije, učenje na bazama podataka s manjkavim podacima…), te fokusiran rad na rješavanju ovih problema u stvarnom vremenu. Implementacija umjetne inteligencije u srčanom zatajivanju predstavlja uzbudljivu priliku za unaprjeđenje zdravlja velike populacije bolesnika, stoga stavlja naglasak na važnost bliske suradnje kliničkih kardiologa i inženjera računarskih i podatkovnih znanosti u ispunjenju ovog cilja.

doc. dr. sc. Vlatka Rešković Lukšić

Klinika za bolesti srca i krvnih žila, KBC Zagreb i Sveučilište Algebra Bernays, Zagreb

Životopis

Doc. prim. dr. sc. Vlatka Rešković Lukšić diplomirala je na Medicinskom fakultetu Sveučilišta u Zagrebu 2004.g, gdje je 2007. upisala doktorski studij „Biomedicina i zdravstvo“ i doktorirala 2018. godine. Specijalizaciju iz interne medicine završila je 2012., a subspecijalizaciju iz kardiologije 2016. godine u Kliničkom bolničkom centru Zagreb, gdje je zaposlena u Klinici za bolesti srca i krvnih žila kao subspecijalist kardiolog. Uže područje interesa su joj ehokardiografija i bolesti srčanih zalistaka. U znanstveno zvanje znanstvenog suradnika izabrana je 2020., a u kolovozu 2025. u znanstveno-nastavno zvanje docenta. Od 2013. sudjeluje u dodiplomskoj i poslijediplomskoj nastavi Medicinskog fakulteta Sveučilišta u Zagrebu, a od 2021. i na poslijediplomskim studijima u Zagrebu i Splitu. Od 2015. Obavlja funkciju tajnika je Radne skupine za ehokardiografiju i slikovne metode u kardiologiji HKD-a, te je član stručnog odbora Radne skupine za bolesti srčanih zalistaka HKD-a. Aktivno sudjeluje u organizaciji domaćih i međunarodnih kongresa. Članica je Znanstvenog vijeća za medicinu i tehniku HAZU od 2025. godine. Od 2016. do 2021. bila je EACVI Heart Imagers of Tomorrow ambasador za Hrvatsku, potom član EACVI HIT Committee (2020–2022), EACVI Membership & Partner Societies Committee (2022–2024), EACVI Certification & Accreditation Committee (od 2022.), te EACVI Education Committee (2024–2026). Članica je European Society of Cardiology, European Association of Cardiovascular Imaging i Hrvatskoga kardiološkog društva. Redoviti je recenzent brojnih međunarodnih časopisa i član uredništva časopisa Acta Cardiologica (Belgija). Sudjeluje kao istraživač u više međunarodnih registara te domaćih I međunarodnih znanstvenih projekata. Za svoj rad i doprinos struci stekla je naslov primarijus 2023. godine. Autor je I koautor više od 20 znanstvenih I stručnih članaka u domaćim I međunarodnim časopisima, te koautor poglavlja u međunarodnom udžbeniku iz ehokardiografije.

Tema: Umjetna inteligencija u ehokardiografiji

Sažetak

Ehokardiografija predstavlja temeljnu dijagnostičku metodu u kardiologiji koja omogućuje procjenu morfologije i funkcije srca pomoću ultrazvučne tehnologije. Budući da je srce dinamičan organ, analiza ehokardiografskih podataka uključuje 2D i 3D oslikavanje te složene hemodinamske procjene. Iako je metoda neinvazivna i široko dostupna, kvaliteta zapisa, a time i točnost kvantifikacijskih mjerenja, uvelike ovise o iskustvu i vještini ispitivača, dok kompleksne analize često produljuju ukupno trajanje pretrage. Umjetna inteligencija (AI) otvara nove mogućnosti za standardizaciju, ubrzanje i povećanje preciznosti ehokardiografskih analiza. Primjenom metoda strojnog i dubokog učenja omogućuje se automatsko prepoznavanje složenih obrazaca unutar slikovnih podataka, što može doprinijeti ranijem prepoznavanju različitih srčanih patologija. Primjena AI-a u ehokardiografiji obuhvaća tri ključna područja: akviziciju slike, kvantitativna mjerenja i interpretaciju nalaza. U fazi akvizicije, AI sustavi pomažu i manje iskusnim operaterima u dobivanju optimalnih prikaza, osobito u hitnim kliničkim situacijama. U fazi mjerenja omogućuju automatsku, standardiziranu i ponovljivu kvantifikaciju veličine i funkcije srčanih šupljina, dok se u interpretaciji koriste algoritmi za automatizirano izvještavanje i generiranje strukturiranih nalaza. Dosadašnja istraživanja pokazala su da primjena AI-a može značajno skratiti vrijeme analize podataka uz očuvanu dijagnostičku točnost, a dodatno ima potencijal u predikciji kliničkih ishoda te identifikaciji bolesnika visokog rizika. Unatoč tome, implementacija AI-a u rutinsku kliničku praksu povezana je s brojnim izazovima, uključujući pitanja odgovornosti, pravne regulative, transparentnosti i interpretabilnosti algoritama. U ovom će se predavanju prikazati aktualne mogućnosti umjetne inteligencije koje su već integrirane u kliničku ehokardiografiju te raspraviti potencijalni smjerovi razvoja i izazovi u daljnjoj implementaciji AI tehnologija u svakodnevni kardiološki rad.

dr. sc. Filip Lončarić

Klinika za bolesti srca i krvnih žila, KBC Zagreb

Životopis

Filip Lončarić, dr. med., dr. sc., diplomirao je medicinu na Medicinskom fakultetu Sveučilišta u Zagrebu 2017. godine, a doktorirao na Sveučilištu u Barceloni 2021. u sklopu europskog projekta H2020 Marie Sklodowska-Curie European Training Network pod nazivom „PIC – Personalised In-silico Cardiology”. Tijekom doktorskog studija bavio se temom multimodalnog oslikavanja hipertrofijskih bolesti miokarda te primjenom metoda strojnog učenja u analizi i integraciji kliničkih podataka. Autor je više od deset znanstvenih radova i nekoliko poglavlja u knjigama iz područja kardiovaskularne medicine. Dobitnik je brojnih međunarodnih priznanja, uključujući nagradu Young Investigator Award na kongresu EuroEcho Europskog kardiološkog društva 2019. godine te je bio finalist iste nagrade na kongresu Američkog ehokardiografskog društva 2020. godine. Trenutno radi kao specijalizant kardiologije u Kliničkom bolničkom centru Zagreb, s posebnim interesom za kronično zatajivanje srca, napredne metode liječenja srčanog popuštanja te nasljedne i hipertrofijske kardiomiopatije. Aktivno sudjeluje u kliničkim ispitivanjima kao ispitivač i studijski koordinator. Član je Znanstvenog vijeća za medicinu i tehniku HAZU od 2024. godine.

Tema: Primjeri uporabe umjetne inteligencije u integriranom oslikavanju miokarda

Sažetak

Sveobuhvatno zbrinjavanje bolesnika s kardiološkim bolestima podrazumijeva učinkovito upravljanje kardiološkim informacijama, pri čemu se prikupljeni podaci koriste za postavljanje dijagnoze, procjenu rizika, vođenje terapijskih odluka te za odlučivanje o načinu daljnjeg kliničkog praćenja. U tom kontekstu, kardijalno oslikavanje predstavlja ključnu komponentu u procesu zbrinjavanja bolesnika i jedan je od mnogih međusobno povezanih dijelova kliničkog procesa: komunikacije između liječnika i bolesnika, snimanja srca, sastavljanja nalaza, interpretacije rezultata, predviđanja ishoda, odabira medicinskih intervencija te, na kraju, stvaranja novih saznanja putem analize podataka. Umjetna inteligencija posjeduje snažan potencijal za unaprijeđenje svakog dijela tog procesa, čime bi se poboljšala točnost, brzina i učinkovitost cijelog sustava zbrinjavanja. Ovo predavanje ima za cilj pružiti uvid u mogućnosti integracije umjetne inteligencije u standardni klinički rad, s posebnim naglaskom na kardijalno oslikavanje, s ciljem unaprijeđenja upravljanja medicinskim informacijama. Cilj je raspraviti o postojećim preprekama koje je potrebno prevladati kako bi se umjetna inteligencija široko implementirala i učinkovito integrirala u kliničku praksu.

Professor Bart Bijnens

Pompeu Fabra University, Barcelona, Spain

Short Biography

Bart Bijnens is ICREA Research Professor at the Universitat Pompeu Fabra, Barcelona, and Scientific Director of the Translational Computing in Cardiology group, part of BCN MedTech. He is recognised as an international expert in pathophysiological concepts and (image- and model-based) assessment of cardiovascular diseases, with a reputation of being able to explain basic pathophysiology principles and put technical developments in context. This resulted in many international collaborations, publications and lectures that are highly interdisciplinary, combining clinical cardiology, cardiac mechanics, imaging, computational modelling and data science. His interests are mainly in Translational Cardiovascular Pathophysiology, focusing on assessing cardiac function and understanding changes induced by disease and how treatment can modulate this remodeling. This is approached by integrating information handling and computing, combined with basic pathophysiology knowledge in order to advance clinical sciences. This implies an approach from basic understanding of disease towards a clinical study; selecting/designing appropriate investigational tools to assess relevant clinical parameters; quantifying diagnostic information (from clinical information to imaging data) to extract pertinent information and interpreting results and relate them to pathophysiology. Nowadays, the incorporation of Artificial Intelligence and Machine Learning in the process of understanding pathophysiological concepts, as well as in translating these into clinically meaningful tools, has provided new opportunities to integrate knowledge and support clinicians in their decision-making process. His group predominantly focuses on developing and validating AI tools in such a way that they fit seamlessly in clinical practice and are interpretable by highlighting and incorporating explicit pathophysiological knowledge.

Lecture title: Artificial intelligence for clinical decision-making: challenges and opportunities

Summary

The use of AI approaches to target clinical problems is called to revolutionize clinical decision-making in cardiology. The success of these tools is dependent on the interplay of the understanding of the intrinsic processes being used during the conventional pathway by which clinicians make decisions and the potential and limitations of the algorithms used. In a parallelism with the clinical decision making pathway, AI can have an impact at four levels: for data acquisition, predominantly by extracting standardized, high-quality information with the smallest possible learning curve; for feature extraction, by discharging healthcare practitioners from performing tedious measurements on raw data; for interpretation, by digesting complex, heterogeneous data in order to augment the understanding of the patient status; and for decision support, by leveraging the previous steps to predict clinical outcomes, response to treatment or to recommend a specific intervention. We will discuss the state-of-the-art, as well as the current clinical status and challenges associated with the two later tasks of interpretation and decision support, together with the challenges related to the learning process, the auditability/traceability, the system infrastructure and the integration within clinical processes in cardiovascular imaging.

dr. sc. Donik Vršnak

Fakultet elektrotehnike i računarstva, Sveučilište u Zagrebu

Životopis

Donik Vršnak diplomirao je 2020. godine računarsku znanost na Fakultetu elektrotehnike i računarstva Sveučilišta u Zagrebu. Upisao je doktorski studij iste godine te je doktorirao u području računarstva na Fakultetu elektrotehnike i računarstva (FER) Sveučilišta u Zagrebu 2023. godine, s temom Procjena i segmentacija osvjetljenja u scenama s više osvjetljenja (eng. Illumination estimation and segmentation in multi illuminant scenes). Za vrijeme i nakon završetka doktorskog studija sudjelovao je u raznim istraživačkim projektima u području dubokog učenja. Zaposlen kao poslijedoktorand na FER-u. Njegova područja interesa u istraživanju uključuju obradu i analizu slike, sigurnost neuronskih mreža, bioinformatiku, astronomiju i biomedicinsku analizu slike. Trenutno se bavi istraživanjem vezanima uz napade na neuronske mreže, te analizom kardioloških slika.

Tema: Analiza kardioloških slika metodama umjetne inteligencije

Sažetak

Predavanje daje pregled primjene metoda dubokog učenja u području obrade i analize kardioloških slika, s naglaskom na izazove i mogućnosti koje donosi suvremena računalna analiza medicinskih podataka. Predavanje daje kratki pregled uloge umjetne inteligencije u biomedicinskom inženjerstvu te motivacija za korištenje automatiziranih sustava u procjeni i dijagnostici kardiovaskularnih bolesti. Poseban naglasak stavlja se na X-ray Phase-Contrast Imaging (XPCI) – naprednu tehniku snimanja koja omogućuje izuzetno detaljan prikaz mekih tkiva, ali zahtijeva složenu obradu i analizu podataka. Jedna od tema predavanja je problematika rada s takvim slikama, uključujući postupke obrade podataka za učenje dubokih modela, kao i izazove povezane s ograničenim količinama uzoraka i potrebom za pouzdanim označavanjem. Nadalje, prikazuje se primjena modela dubokog učenja za segmentaciju tkiva, s posebnim osvrtom na moderne arhitekture temeljene bazirane na transformerskim arhitekturama. Konačno, predavanje se bavi procjenom stupnja odbacivanja tkiva i analizom morfoloških značajki dobivenih modelima dubokog učenja. Raspravlja se o potencijalu ovih metoda za razvoj preciznijih, objektivnijih i reproducibilnih alata u kardiološkoj dijagnostici s ciljem brže i jednostavnije dijagnostike te o budućim smjerovima istraživanja u području umjetne inteligencije u obradi takvih podataka.