Danielle Belgrave

Danielle Charlotte Belgrave es una científica informática trinitense-británica cuya investigación utiliza el aprendizaje automático para comprender la progresión de las enfermedades y la personalización de la atención médica. Es vicepresidenta de IA/ML en GSK , donde dirige el equipo de desarrollo clínico de IA/ML. Anteriormente trabajó en DeepMind , Microsoft Research e Imperial College . ^{[ 1 ] [ 2 ] [ 4 ]}

Belgrave creció en Trinidad y Tobago , donde su profesor de matemáticas de la escuela secundaria la inspiró a trabajar como científica de datos . ^{[ 5 ]} Estudió matemáticas y estadística en la London School of Economics (LSE). ^{[ 6 ] [ 7 ]} Fue estudiante de posgrado en el University College London (UCL), donde obtuvo una maestría en estadística. ^{[ 6 ]} En 2010, Belgrave se trasladó a la Universidad de Manchester , donde obtuvo un doctorado por una investigación supervisada por Iain Buchan , Christopher Bishop y Adnan Custovic ^{[ 2 ] [ 3 ] [ 6 ]} apoyada por una beca de Microsoft Research. Recibió el premio de posgrado Dorothy Hodgkin de Microsoft y el premio Barry Kay de la British Society of Allergy and Clinical Immunology (BSACI). ^{[ 8 ]}

Después de graduarse, Belgrave trabajó en GlaxoSmithKline (GSK), donde recibió el Premio a la Científica Excepcional. ^{[ 6 ]} Belgrave se unió al Imperial College London como profesora después de recibir una beca de investigación del Consejo de Investigación Médica (MRC) en 2015. ^{[ 6 ] [ 9 ] [ 8 ]} Desarrolla modelos estadísticos de aprendizaje automático para analizar la progresión de enfermedades con el fin de diseñar nuevas estrategias de manejo y comprender la heterogeneidad . ^{[ 4 ] [ 10 ]} Los métodos de aprendizaje estadístico pueden informar el manejo de afecciones médicas al proporcionar un marco para el descubrimiento de endotipos utilizando modelos probabilísticos . ^{[ 5 ] [ 11 ]} Utiliza modelos estadísticos para identificar los endotipos subyacentes de una afección a partir de un conjunto de fenotipos . ^{[ 12 ]}

Estudió si la marcha atópica , la progresión de las enfermedades alérgicas desde la infancia, describe adecuadamente las enfermedades atópicas como el eccema en la infancia. ^{[ 13 ]} Belgrave utilizó un modelo de perfil de enfermedad latente para estudiar la marcha atópica en más de 9000 niños, donde se utilizó el aprendizaje automático para identificar grupos de niños con patrones similares de inicio del eccema . ^{[ 13 ]} Forma parte del equipo de estudio del consorcio de investigación del asma en la infancia . ^{[ 14 ]} Belgrave está interesada en utilizar macrodatos para una interpretación clínica significativa, con el fin de fundamentar estrategias de prevención personalizadas. ^{[ 14 ]}

Su investigación se centra en el aprendizaje automático bayesiano y estadístico dentro de la atención médica para desarrollar medicina personalizada . ^{[ 2 ]} A partir de 2019Belgrave está desarrollando e implementando métodos que incorporan el conocimiento del dominio con modelos basados ​​en datos . Sus intereses de investigación iniciales incluyen modelos de variables latentes , estudios longitudinales , análisis de supervivencia , ómicas , reducción de dimensionalidad y modelos gráficos probabilísticos . ^{[ 2 ] [ 1 ]}

Belgrave forma parte del proyecto de algoritmos regulatorios , que evalúa cómo deberían regularse los algoritmos de atención médica. ^{[ 15 ]} En particular, Belgrave está interesada en qué esquema de responsabilidad debería imponerse a la inteligencia artificial para la atención médica. ^{[ 15 ]} Formó parte del comité organizador de la Conferencia sobre Sistemas de Procesamiento de Información Neuronal en 2019, ^{[ 16 ]} 2020, ^{[ 17 ]} 2022, ^{[ 18 ]} 2024, ^{[ 19 ]} y 2025. ^{[ 20 ]} Fue Presidenta General de NeurIPS 2025 y es miembro de la Junta de NeurIPS.