Студент Рачунарског факултета Стефан Милић је у петак, 27. марта 2026. године одбранио дипломски рад на тему Евалуација и поређење модела машинског учења на хетерогеним онколошким dataset-овима пред комисијом коју су чинили ментор др Јелена Васиљевић и члан др Немања Илић.
У уводу свог рада Стефан је истакао:
Циљ овог рада је да покаже како се савремене методе вештачке интелигенције могу смислено применити у медицини, посебно у контексту детекције и анализе промена које могу указивати на канцер и сродна обољења. У периоду интензивног развоја AI технологија, отвара се прилика да се напредак из истраживања брже и сигурније пренесе у алате који помажу стручњацима, унапређују дијагностику и подржавају персонализован приступ пацијенту. Иако је допринос овог рада скроман у поређењу са обимом глобалних истраживања, његова вредност је у томе што представља конкретан корак ка систематичном и поновљивом раду са медицинским подацима и јасној евалуацији резултата.
…
Финални избор за SipakMed показује стабилно побољшање у односу на почетни baseline, уз најбоље перформансе добијене early-stopping приступом [1]. LC25000 остаје тривијално сепарабилан чак и након leakage-free поделе, што сугерише да високи резултати нису последица само идентичних дупликата већ и снажних dataset-specific сигнала [2]. RM1000 на leakage-free подели постиже значајно реалнију евалуацију (око 0,96 macro F1), па се овај корак сматра кључним за веродостојност закључака [3]. – закључио је Стефан.