Noémie Elhadad est présidente et professeure associée d'informatique biomédicale au sein du département d'informatique biomédicale, et elle est affiliée à l'informatique et à l'institut de science des données de l'université de Columbia. Elle a obtenu son doctorat en informatique en 2006, en se concentrant sur la synthèse de textes multi-documents et spécifiques au patient de la littérature clinique. Elle a fait partie de la faculté d'informatique du City College of New York et du CUNY graduate center à partir de 2006 avant de rejoindre le département d'informatique biomédicale de Columbia en 2007. Le Dr Elhadad a été présidente du Health Analytics Center au Columbia Data Science Institute de 2013 à 2016. Les recherches du Dr Elhadad se situent à l'intersection de l'apprentissage automatique, du traitement du langage naturel et de la médecine. Elle étudie comment les données cliniques d'observation (par exemple, les dossiers médicaux électroniques) et les données générées par les patients (par exemple, les discussions en ligne des communautés de santé, les données de santé mobiles) peuvent améliorer l'accès aux informations pertinentes pour les cliniciens, les patients et les chercheurs en santé, et peuvent finalement avoir un impact sur les soins de santé et la santé des patients.

Dr. Noémie Elhadad is Chair and Associate Professor of Biomedical Informatics of the Department of Biomedical Informatics, and she is affiliated with Computer Science and the Data Science Institute at Columbia University. She obtained her PhD in 2006 in Computer Science, focusing on multi-document, patient-specific text summarization of the clinical literature. She was on the Computer Science faculty at The City College of New York and the CUNY graduate center starting in 2006 before joining the Department of Biomedical Informatics at Columbia in 2007. Dr. Elhadad was Chair of the Health Analytics Center at the Columbia Data Science Institute from 2013 to 2016. Dr. Elhadad’s research interests are at the intersection of machine learning, natural language processing, and medicine. She investigates ways in which observational clinical data (e.g., electronic health records) and patient-generated data (e.g., online health community discussions, mobile health data) can enhance access to relevant information for clinicians, patients, and health researchers alike and can ultimately impact healthcare and health of patients.