NEA

Μ. Γαζούλη: Πως η τεχνητή νοημοσύνη θα συμβάλλει στην ακριβέστερη διάγνωση καρκίνου

Μ. Γαζούλη: Πως η τεχνητή νοημοσύνη θα συμβάλλει στην ακριβέστερη διάγνωση καρκίνου

της Τάνιας Η. Μαντουβάλου

 

Ο κρίσιμος ρόλος στην εξατομικευμένη ιατρική

Με την πρόοδο στην υπολογιστική ισχύ, τους αλγόριθμους και τα μεγάλα δεδομένα, τα επόμενα χρόνια θα γίνουμε μάρτυρες εκτεταμένων εφαρμογών της τεχνητής νοημοσύνης σε κάθε σημαντικό τομέα, συμπεριλαμβανομένης της ιατρικής και της υγειονομικής περίθαλψης.

Όπως αναφέρει η καθηγήτρια Βιολογίας, Γενετικής και Νανοϊατρικής στην Ιατρική Σχολή του Εθνικού και Καποδιστριακού Πανεπιστημίου Αθηνών, Μαρία Γαζούλη στο DailyPharmaNews, η τεχνητή νοημοσύνη αναμένεται να βοηθήσει στην υλοποίηση της υπόσχεσης της ιατρικής ακριβείας, σε τρεις βασικούς τομείς: 1. πρόληψη ασθενειών, 2. εξατομικευμένη διάγνωση και 3. εξατομικευμένη θεραπεία.

Η τεχνητή νοημοσύνη , εξηγεί η κ. Γαζούλη, αξιοποιεί εξελιγμένους υπολογισμούς και συμπεράσματα για τη δημιουργία γνώσεων, επιτρέπει στο σύστημα να συλλογίζεται και να μαθαίνει, και ενδυναμώνει τη λήψη αποφάσεων από τους ιατρούς, μέσω της επαυξημένης νοημοσύνης. «Πολλές ερευνητικές ομάδες δουλεύουν προς αυτή την κατεύθυνση, και για παράδειγμα σύγχρονες μελέτες αναφέρουν την ανάπτυξη αλγόριθμων μηχανικής μάθησης, που βασίζονται αποκλειστικά σε δεδομένα υγείας ασθενών, στο πλαίσιο προσυμπτωματικού ελέγχου καρκίνου του προστάτη, του πνεύμονα, του παχέος εντέρου και των ωοθηκών και σύγκριση αυτών, όσον αφορά τη διαστρωμάτωση του κινδύνου καρκίνου του ενδομητρίου για γυναίκες. Τα αποτελέσματα έδειξαν ότι το μοντέλο επιτυγχάνει καλύτερο εντοπισμό των γυναικών άνω του μέσου όρου κινδύνου με 2 φορές μείωση του ποσοστού ψευδώς θετικών».

 

Η μηχανική εκμάθηση χρήσιμη και για την ανάπτυξη νέων φαρμακευτικών προϊόντων

Μια νέα ιδέα με το όνομα «Στατιστική Βιοψία» αρχίζει να συζητείται στην επιστημονική κοινότητα και όπως λέει η κ. Γαζούλη, άλλη μελέτη χρησιμοποιώντας μια ομάδα ασθενών με καρκίνο του προστάτη, απέδειξε ότι το νέο μοντέλο μηχανικής εκμάθησης μπορεί να χρησιμοποιηθεί για την γρήγορη εκτίμηση του συνόλου των εφικτών στόχων δόσης στην ακτινοθεραπεία καρκίνου, κάτι που μπορεί να επιταχύνει άμεσα τη διαδικασία σχεδιασμού θεραπείας και να βελτιώσει έμμεσα την ποιότητα του τελικού θεραπευτικού πρωτοκόλλου.

«Στο πλαίσιο ενός Ευρωπαϊκού προγράμματος HORIZON (ΚΑΤY), μαζί με ερευνητικές ομάδες από όλη την Ευρώπη, συμμετέχει και η δική μου ερευνητική ομάδα, (https://katy-project.eu) και δουλεύουμε στην ανάπτυξη ενός εξατομικευμένου ιατρικού συστήματος βασισμένο στην Τεχνητή Νοημοσύνη, το οποίο θα προβλέπει την απόκριση των ασθενών με καρκίνο του νεφρού σε στοχευμένες θεραπείες, κυρίως ανοσοθεραπεία. Το μοντέλο αυτό θα έχει τη δυνατότητα να επεκταθεί και σε άλλους καρκίνους όπως και σε άλλα νοσήματα. Η μηχανική εκμάθηση είναι εξαιρετικά χρήσιμη και για την ανάπτυξη νέων φαρμακευτικών προϊόντων και την αποτελεσματικότητα των διαδικασιών διάγνωσης».

Στην περίοδο της πανδημίας αναπτύχθηκαν εργαλεία τεχνητής νοημοσύνης για την ανάλυση αξονικών τομογραφιών και την ανίχνευση πνευμονίας σε όσους υποβάλλονταν σε θεραπεία για τις επιπτώσεις του COVID-19, λέει η κ. Γαζούλη για να συμπληρώσει στη συνέχεια ότι «η ιατρική ακριβείας είναι μια εξελισσόμενη προσέγγιση υγειονομικής περίθαλψης που επικεντρώνεται στην προσαρμογή ιατρικών αποφάσεων, θεραπειών, πρακτικών και προϊόντων σε μεμονωμένους ασθενείς με βάση τους γενετικούς, περιβαλλοντικούς, τον τρόπο ζωής και άλλους παράγοντες. Σε αυτό το πεδίο οι εφαρμογές της τεχνητής νοημοσύνης έχουν να προσφέρουν πολλά. Προχωρώντας προς τα εμπρός, αναμένουμε ότι πρέπει να γίνει περισσότερη δουλειά για την εξάλειψη των προκαταλήψεων στη χρήση των μοντέλων τεχνητής νοημοσύνης, και να γίνουν αυτά τα μοντέλα ερμηνεύσιμα, επιτυγχάνοντας τελικά την υπόσχεση της ιατρικής ακριβείας, δηλαδή παροχή της σωστής θεραπείας στον κατάλληλο ασθενή τη σωστή στιγμή».