Dra. Sarah Mullin, Máster

Especialidades: Informática Biomédica
Director, Recurso compartido de informática para la investigación biomédica, Departamento de bioestadística y bioinformática

Especializado en:

  • Predicción, aprendizaje automático y profundo
  • Extracción y validación de subtipos de pacientes
  • Procesamiento del lenguaje natural (extracción de entidades y normalización)

Biografía

Me uní a la facultad del Departamento de Bioestadística y Bioinformática del Roswell Park Comprehensive Cancer Center como profesor asistente de Oncología en octubre de 2022.

Completé una beca postdoctoral en el Centro de Informática Médica de Yale después de obtener mi doctorado en Informática Biomédica de la Universidad SUNY en Buffalo (UB) y una maestría en Estadística de la Universidad Estatal de Ohio. Entre mis títulos, trabajé en medicina de rehabilitación y psicología clínica como administrador de datos y estadístico. También obtuve una licenciatura en Matemáticas y Estadística y Literatura Inglesa del Canisius College.

Mi investigación se centra en el modelado de la información contenida en los registros médicos electrónicos y los repositorios de datos de salud. Me interesa principalmente el uso del aprendizaje automático y profundo junto con la información terminológica y ontológica para lograr una medicina de precisión, centrándome en el uso de datos específicos del paciente combinados con la medicina basada en la evidencia para adaptar la predicción y el tratamiento a cada individuo. Tengo un interés especial en el uso de múltiples fuentes de datos y formatos de datos heterogéneos (texto libre y elementos de datos estructurados) para mejorar los resultados y el modelado. Cuando utilizo texto libre, me he centrado principalmente en la extracción de entidades y la normalización de ontologías y terminologías y la extracción de relaciones.

Me apasiona crear herramientas y algoritmos útiles con un equipo interdisciplinario de médicos, profesionales de la salud, pacientes y científicos de datos que ayudarán a erradicar el cáncer y mejorar la experiencia del paciente y el médico.

puestos de trabajo

Centro de cáncer integral de Roswell Park

  • Profesor adjunto de Oncología
  • Director, Recurso compartido de informática para la investigación biomédica – Departamento de bioestadística y bioinformática

Fondo

Educación y Entrenamiento

  • 2021 - Doctorado - Informática biomédica, Informática clínica, Universidad de Buffalo, Buffalo, NY
  • 2013 - Maestría en Estadística, Universidad Estatal de Ohio, Columbus, Ohio

Compañerismo

  • 2021-2022 - Beca postdoctoral, Centro de Informática Médica de Yale, Universidad de Yale, New Haven, CT

honores y reconocimientos

  • 2022 - Premio a los académicos del Centro de Excelencia en Ciencia e Innovación Regulatoria (CERSI) de la Clínica Yale-Mayo
  • 2020-2021 - Financiamiento del programa de estudio piloto CTSI para 'Predicción de combinaciones de fármacos relacionados con opioides utilizando CANDO y una cohorte retrospectiva de WNY'.
  • 2017-2020 - Capacitación NIH NLM T15, Universidad Estatal de Nueva York en Buffalo, Buffalo, NY
  • 2017 - Premio al mejor artículo de estudiante por el uso secundario de la historia clínica electrónica: interpretación de la fiabilidad entre evaluadores clínicos mediante una evaluación cualitativa en la Conferencia de informática sanitaria sensible al contexto, Hong Kong
  • Premio Thomas E y Jean D Powers 2013 a la docencia asociada destacada, Universidad Estatal de Ohio, Columbus, Ohio

Publicaciones

  Lista completa de publicaciones en PubMed

Mullin S, Wyk BV, Asher JL, Compton SR, Allore HG, Zeiss CJ. Modelado de patrones pandémicos a endémicos de transmisión del SARS-CoV-2 utilizando parámetros estimados a partir de datos de modelos animales. PNAS nexus. 2022 Jul;1(3):pgac096.

Elkin PL, Mullin S, Tetewsky S, Resendez SD, McCray W, Barbi J, Yendamuri S. Identificación de las características de los pacientes asociadas con el beneficio de supervivencia del tratamiento con metformina en el CPCNP en estadio I. The Journal of Thoracic and Cardiovascular Surgery. 2022 de marzo de 10.

Elkin PL, Mullin S, Mardekian J, Crowner C, Sakilay S, Sinha S, Brady G, Wright M, Nolen K, Trainer J, Koppel R. Uso de inteligencia artificial con procesamiento de lenguaje natural para combinar datos de texto libre y estructurado de registros médicos electrónicos para identificar fibrilación auricular no valvular y reducir los accidentes cerebrovasculares y la muerte: evaluación y estudio de casos y controles. Journal of Medical Internet Research. 2021 de noviembre de 9;23(11):e28946.

Mullin S, Zola J, Lee R, Hu J, MacKenzie B, Brickman A, Anaya G, Sinha S, Li A, Elkin PL. Enfoques longitudinales de K-medias para agrupar y analizar las trayectorias de uso de opioides en la historia clínica electrónica para subtipos clínicos. Journal of Biomedical Informatics. 2021 de agosto de 16:103889.

Mullin S, Elkin P. Evaluación de las representaciones y subtipos de pacientes que consumen opioides. Estudios en tecnología e informática de la salud. 2020 de junio de 1;270:823-7.