Student Računarskog fakulteta Stefan Milić je u petak, 27. marta 2026. godine odbranio diplomski rad na temu Evaluacija i poređenje modela mašinskog učenja na heterogenim onkološkim dataset-ovima pred komisijom koju su činili mentor dr Jelena Vasiljević i član dr Nemanja Ilić.
U uvodu svog rada Stefan je istakao:
Cilj ovog rada je da pokaže kako se savremene metode veštačke inteligencije mogu smisleno primeniti u medicini, posebno u kontekstu detekcije i analize promena koje mogu ukazivati na kancer i srodna oboljenja. U periodu intenzivnog razvoja AI tehnologija, otvara se prilika da se napredak iz istraživanja brže i sigurnije prenese u alate koji pomažu stručnjacima, unapređuju dijagnostiku i podržavaju personalizovan pristup pacijentu. Iako je doprinos ovog rada skroman u poređenju sa obimom globalnih istraživanja, njegova vrednost je u tome što predstavlja konkretan korak ka sistematičnom i ponovljivom radu sa medicinskim podacima i jasnoj evaluaciji rezultata.
…
Finalni izbor za SipakMed pokazuje stabilno poboljšanje u odnosu na početni baseline, uz najbolje performanse dobijene early-stopping pristupom [1]. LC25000 ostaje trivijalno separabilan čak i nakon leakage-free podele, što sugeriše da visoki rezultati nisu posledica samo identičnih duplikata već i snažnih dataset-specific signala [2]. RM1000 na leakage-free podeli postiže značajno realniju evaluaciju (oko 0,96 macro F1), pa se ovaj korak smatra ključnim za verodostojnost zaključaka [3]. – zaključio je Stefan.