14ο ΔΙΕΘΝΕΣ ΣΥΝΕΔΡΙΟ ΒΙΟΧΗΜΕΙΑΣ ΚΑΙ ΦΥΣΙΟΛΟΓΙΑΣ ΤΗΣ ΑΣΚΗΣΗΣ
14th INTERNATIONAL CONGRESS OF BIOCHEMISTRY AND PHYSIOLOGY OF EXERCISE
ΣΤΡΟΓΓΥΛΗ ΤΡΑΠΕΖΑ 3 · ROUND TABLE 3
Η Τεχνητή Νοημοσύνη στη Φυσιολογία της Άσκησης, τη Βιοχημεία και την Προπονητική: Από το Μοριακό Επίπεδο στη Συστημική και Δικτυακή Προσέγγιση
Artificial Intelligence in Exercise Physiology, Biochemistry and Sports Training: From the Molecular Level to Systems and Network Approaches
ΚΥΡΙΑΚΗ · SUNDAY
18 Οκτωβρίου · 18 October 2026
18 Οκτωβρίου · 18 October 2026
ΩΡΑ · TIME
12:00–13:30
12:00–13:30
ΧΩΡΟΣ · VENUE
Hellenic Olympic Committee Building, Chalandri
Hellenic Olympic Committee Building, Chalandri
ΣΥΝΤΟΜΗ ΠΕΡΙΓΡΑΦΗ
Η Τεχνητή Νοημοσύνη μετασχηματίζει τον τρόπο με τον οποίο συλλέγουμε, συνδυάζουμε και ερμηνεύουμε δεδομένα στη φυσιολογία της άσκησης, τη βιοχημεία και την προπονητική. Η Στρογγυλή Τράπεζα προσεγγίζει το πεδίο από τέσσερις συμπληρωματικές οπτικές: τη βιοϊατρική μηχανική και την αθλητική επιστήμη, την ερμηνεύσιμη τεχνητή νοημοσύνη για τη λήψη προπονητικών αποφάσεων, τη Δικτυακή Φυσιολογία της Άσκησης και την κατανόηση πολύπλοκων βιολογικών διεργασιών μέσω μηχανικής μάθησης και βιοπληροφορικής. Από το μοριακό επίπεδο έως τη συστημική και δικτυακή ανάλυση, οι σύγχρονες υπολογιστικές προσεγγίσεις προσφέρουν νέες δυνατότητες για τη μετατροπή μεγάλων και πολυδιάστατων συνόλων δεδομένων σε γνώση με πρακτική αξία για την απόδοση, την υγεία και την εξατομίκευση της άσκησης και της προπόνησης.
BRIEF DESCRIPTION
Artificial Intelligence is transforming the way data are collected, integrated and interpreted in exercise physiology, biochemistry and sports training. This Round Table approaches the field from four complementary perspectives: biomedical engineering and sport science, explainable Artificial Intelligence for coaching decision-making, Network Physiology of Exercise, and the use of machine learning and bioinformatics to understand complex biological processes. From the molecular level to systems and network analysis, contemporary computational approaches offer new opportunities to transform large and multidimensional datasets into meaningful knowledge with practical value for athletic performance, health and the individualisation of exercise and training.
Θεματικοί Άξονες
Discussion Topics
1. Ο ρόλος της Τεχνητής Νοημοσύνης στην αθλητική επιστήμη και η αξιοποίησή της για την ανάλυση σύνθετων βιοϊατρικών και αθλητικών δεδομένων.
The role of Artificial Intelligence in sport science and its application to the analysis of complex biomedical and sports data.
The role of Artificial Intelligence in sport science and its application to the analysis of complex biomedical and sports data.
2. Από τα δεδομένα στην προπονητική απόφαση: η ερμηνεύσιμη τεχνητή νοημοσύνη στην υποστήριξη της απόδοσης και της υγείας του αθλητή.
From data to coaching decisions: explainable Artificial Intelligence to support athlete performance and health.
From data to coaching decisions: explainable Artificial Intelligence to support athlete performance and health.
3. Η ενσωμάτωση της Τεχνητής Νοημοσύνης στη Δικτυακή Φυσιολογία της Άσκησης για τη μελέτη των αλληλεπιδράσεων μεταξύ καρδιοαναπνευστικών, αγγειακών, μεταβολικών και άλλων φυσιολογικών συστημάτων.
Integrating Artificial Intelligence with Network Physiology of Exercise to investigate interactions among cardiorespiratory, vascular, metabolic and other physiological systems.
Integrating Artificial Intelligence with Network Physiology of Exercise to investigate interactions among cardiorespiratory, vascular, metabolic and other physiological systems.
4. Η χρήση της μηχανικής μάθησης, της αναπαράστασης γνώσης και της βιοπληροφορικής για την κατανόηση πολύπλοκων βιολογικών διεργασιών.
The use of machine learning, knowledge representation and bioinformatics to understand complex biological processes.
The use of machine learning, knowledge representation and bioinformatics to understand complex biological processes.
5. Από το μοριακό επίπεδο έως τα ολοκληρωμένα βιολογικά δίκτυα: δυνατότητες, ερμηνευσιμότητα και επιστημονικά τεκμηριωμένη χρήση της Τεχνητής Νοημοσύνης στην άσκηση, την υγεία και την αθλητική απόδοση.
From the molecular level to integrated biological networks: opportunities, interpretability and scientifically grounded use of Artificial Intelligence in exercise, health and athletic performance.
From the molecular level to integrated biological networks: opportunities, interpretability and scientifically grounded use of Artificial Intelligence in exercise, health and athletic performance.
Ομιλητές
Speakers
Professor George K. Matsopoulos
Καθηγητής Γεώργιος Κ. Ματσόπουλος
ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ & ΒΙΟΪΑΤΡΙΚΗ ΜΗΧΑΝΙΚΗ · ARTIFICIAL INTELLIGENCE & BIOMEDICAL ENGINEERING
Καθηγητής, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Εθνικό Μετσόβιο Πολυτεχνείο
Είναι Καθηγητής στη Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του ΕΜΠ και Διευθυντής των Εργαστηρίων «Βιοϊατρικής Οπτικής και Εφαρμοσμένης Βιοφυσικής» και «Βιοϊατρικής Τεχνολογίας». Πτυχιούχος της Σχολής Ηλεκτρολόγων Μηχανικών του ΕΜΠ, με M.Sc. στην Εμβιομηχανική και Ph.D. από το University of Strathclyde. Διαθέτει πολυετή εμπειρία στη βιοϊατρική μηχανική, την υπολογιστική ανάλυση βιοϊατρικών δεδομένων και σε εθνικά και ευρωπαϊκά ερευνητικά προγράμματα.
Professor at the School of Electrical and Computer Engineering of the National Technical University of Athens, with an M.Sc. in Biomechanics and Ph.D. from the University of Strathclyde. He directs the Biomedical Optics and Applied Biophysics Laboratory and the Biomedical Technology Laboratory and has extensive experience in biomedical engineering, computational biomedical data analysis and European and national research projects.
Professor Athanasios Chatzinikolaou
Καθηγητής Αθανάσιος Χατζηνικολάου
ΠΡΟΠΟΝΗΤΙΚΗ & ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ · SPORTS TRAINING & ARTIFICIAL INTELLIGENCE
Καθηγητής Προπονησιολογίας της Φυσικής Κατάστασης
ΤΕΦΑΑ, Δημοκρίτειο Πανεπιστήμιο Θράκης
Καθηγητής Προπονησιολογίας της Φυσικής Κατάστασης. Το ερευνητικό του έργο εστιάζει στην προπονητική και στις βιοχημικές και φυσιολογικές αποκρίσεις στην άσκηση. Τα τελευταία χρόνια ασχολείται ιδιαίτερα με την παρακολούθηση και διαχείριση της προπονητικής επιβάρυνσης στα ομαδικά αθλήματα, την επεξεργασία μεγάλων συνόλων δεδομένων και την αξιοποίηση της τεχνολογίας για τη λήψη προπονητικών αποφάσεων. Η πρόσφατη δραστηριότητά του περιλαμβάνει την εξατομίκευση της προπόνησης, την ερμηνεύσιμη μηχανική μάθηση, την υπολογιστική όραση και εφαρμογές Τεχνητής Νοημοσύνης στον αγωνιστικό αθλητισμό.
Professor of Training Science – Physical Conditioning at the Department of Physical Education and Sport Science, Democritus University of Thrace. His research focuses on sports training and the biochemical and physiological responses to exercise, with recent emphasis on training-load monitoring in team sports, large datasets, individualisation of training, explainable machine learning, computer vision and Artificial Intelligence applications in competitive sport.
Professor Zacharias Papadakis, PhD, FACSM
Καθηγητής Ζαχαρίας Παπαδάκης
ΔΙΚΤΥΑΚΗ ΦΥΣΙΟΛΟΓΙΑ & ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ · NETWORK PHYSIOLOGY & ARTIFICIAL INTELLIGENCE
Καθηγητής Φυσιολογίας της Άσκησης & Ευεξίας
Barry University, Miami Shores, Florida, USA
Καθηγητής Φυσιολογίας της Άσκησης & Ευεξίας στο Barry University και Fellow του American College of Sports Medicine. Η έρευνά του εφαρμόζει τη Δικτυακή Φυσιολογία της Άσκησης για τη μελέτη του τρόπου με τον οποίο η συνεχής άσκηση μέτριας έντασης και η διαλειμματική άσκηση υψηλής έντασης αναδιαμορφώνουν τις καρδιοαναπνευστικές, αγγειακές και μεταβολικές αλληλεπιδράσεις, με ιδιαίτερη έμφαση στην ενσωμάτωση της Τεχνητής Νοημοσύνης στη φυσιολογία της άσκησης και στις αναλύσεις δικτύων.
Professor of Exercise Physiology & Wellness at Barry University and a Fellow of the American College of Sports Medicine. His research applies a Network Physiology of Exercise framework to understand how continuous moderate-intensity and high-intensity interval exercise remodel cardiorespiratory, vascular and metabolic interactions, with particular emphasis on the integration of Artificial Intelligence into exercise physiology and network-based analytics.
Dr Anastasia Krithara
Δρ Αναστασία Κριθαρά
ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ & ΒΙΟΠΛΗΡΟΦΟΡΙΚΗ · MACHINE LEARNING & BIOINFORMATICS
Ερευνήτρια – Επικεφαλής Ομάδας Βιοϊατρικής και Πληροφορικής Υγείας (BioHIT)
Ινστιτούτο Πληροφορικής και Τηλεπικοινωνιών, ΕΚΕΦΕ «Δημόκριτος»
Ερευνήτρια στο Ινστιτούτο Πληροφορικής και Τηλεπικοινωνιών του ΕΚΕΦΕ «Δημόκριτος» και επικεφαλής της Ομάδας Βιοϊατρικής και Πληροφορικής Υγείας (BioHIT). Είναι διδάκτωρ Μηχανικής Μάθησης και το ερευνητικό της έργο επικεντρώνεται στη μηχανική μάθηση, την αναπαράσταση γνώσης, τη βιοπληροφορική και την επεξεργασία φυσικής γλώσσας με εφαρμογές στην υγεία. Έχει συντονίσει και συμμετάσχει σε πολυάριθμα ευρωπαϊκά και εθνικά ερευνητικά έργα.
Researcher at the Institute of Informatics and Telecommunications of NCSR “Demokritos” and Head of the Biomedical and Health Informatics Team (BioHIT). She holds a Ph.D. in Machine Learning, and her research focuses on machine learning, knowledge representation, bioinformatics and natural language processing with applications in health. She has coordinated and contributed to numerous European and national research projects.
Δεδομένα · Τεχνητή Νοημοσύνη · Δικτυακή Φυσιολογία · Προπονητική Απόφαση
Data · Artificial Intelligence · Network Physiology · Coaching Decisions
Από το μοριακό επίπεδο έως τα ολοκληρωμένα βιολογικά συστήματα, η Τεχνητή Νοημοσύνη δημιουργεί νέες δυνατότητες για την κατανόηση της φυσιολογίας και τη λήψη εξατομικευμένων, επιστημονικά τεκμηριωμένων αποφάσεων στην άσκηση και την προπόνηση.
From the molecular level to integrated biological systems, Artificial Intelligence is creating new opportunities to understand physiology and support individualised, scientifically grounded decisions in exercise and sports training.
From the molecular level to integrated biological systems, Artificial Intelligence is creating new opportunities to understand physiology and support individualised, scientifically grounded decisions in exercise and sports training.
16–18 Οκτωβρίου 2026 · Αθήνα
16–18 October 2026 · Athens
