Profesor Arkadiusz Sitek

Arkadiusz Sitek jest fizykiem i badaczem sztucznej inteligencji w ochronie zdrowia. Wykształcony w fizyce w Warszawie i Vancouver, pierwszą część kariery poświęcił fizyce medycyny nuklearnej: jego praca doktorska przyniosła system korekcji osłabienia w SPECT przejęty następnie przez jednego z głównych producentów skanerów, a w kolejnych latach rozwinął analizę czynnikową struktur dynamicznych, bayesowskie modelowanie kinetyczne i metodę rekonstrukcji obrazów opartą na zbiorach początków (origin ensembles), podsumowane w monografii Statistical Computing in Nuclear Imaging (2014).

Przez ponad dekadę w Harvard Medical School, Brigham and Women's Hospital i Massachusetts General Hospital tworzył metody kwantyfikacji stojące za wysoko cytowanymi pracami o perfuzji mięśnia sercowego w PET i rezerwie przepływu wieńcowego. Następnie kierował zespołami badawczymi uczenia maszynowego w dwóch globalnych firmach technologii medycznych, gdzie jest współtwórcą serii udzielonych patentów z zakresu AI w obrazowaniu, po czym wrócił do Polski jako pierwszy dyrektor krajowego centrum medycyny obliczeniowej w Krakowie, które rozwinął z 11 do 70 pracowników.

Od 2022 roku jego badania w Massachusetts General Hospital koncentrują się na generatywnych i fundamentowych modelach elektronicznej dokumentacji medycznej, w tym transformerze przewidującym trajektorie zdrowotne bez trenowania pod konkretne zadanie oraz adaptacyjnej ocenie ryzyka, a także na głębokim uczeniu w ultrasonografii płodowej i wideo chirurgicznym oraz otwartych standardach danych dla AI w zdrowiu. Jest współautorem wytycznych dobrej praktyki tworzenia algorytmów AI w medycynie nuklearnej oraz opublikowanej w 2026 roku perspektywy o generatywnej AI jako ogólnym modelu obliczeniowym dla medycyny.

Za pośrednictwem Veritas Clinical Innovations kieruje usługą analizy danych opartej na AI, stosując własną metodologię bayesowską i uczenia maszynowego do danych klinicznych, obrazowych i rejestrowych klientów, oraz doradza w projektowaniu i walidacji narzędzi AI w badaniach klinicznych, niezależnie i we własnym imieniu.