Μέσω αλγόριθμων και τεχνητής νοημοσύνης
Οι αλγόριθμοι και η τεχνητή νοημοσύνη στην υπηρεσία του ανθρώπου και δη στην απεικονιστική ιατρική για την πιο ακριβή και τρισδιάστατη διάγνωση και παρακολούθηση των όγκων του εγκεφάλου. Ο Πατρινός ερευνητής καθηγητής της Ιατρικής Σχολής του Πανεπιστημίου της Πενσυλβάνια (UPenn), Δρ Σπυρίδων Μπάκας μιλά στο thebest.gr για την έρευνα που κάνει, η οποία περιλαμβάνει 30 ιδρύματα υγειονομικής περίθαλψης από Αμερική, Ευρώπη, και Ασία. Η έρευνα αυτή εστιάζει στη βελτίωση ανίχνευσης και διάγνωσης όγκων μέσω υπολογιστικών μοντέλων τεχνητής νοημοσύνης, με λήψη δεδομένων από πολλούς και διαφορετικούς ασθενείς από αυτά τα διεθνή ιδρύματα, χωρίς ωστόσο να μοιράζονται τα προσωπικά δεδομένα τους.
Ουσιαστικά, χρησιμοποιώντας αυτό το νέο τρόπο τεχνητής νοημοσύνης (την ομοσπονδιακή μάθηση - federated machine learning), οι ερευνητές από όλους τους συνεργαζόμενους οργανισμούς/ιδρύματα θα μπορούν να συνεργαστούν για τη δημιουργία και την κατάρτιση ενός αλγορίθμου για την ανίχνευση ενός εγκεφαλικού όγκου προστατεύοντας παράλληλα τα ευαίσθητα ιατρικά δεδομένα, εφόσον δεν θα μοιράζονται ιατρικές απεικονίσεις και δεδομένα εκτός του εκάστοτε οργανισμού/ιδρύματος.
Το Πανεπιστήμιο της Πενσυλβάνια και τα 29 διεθνή ιδρύματα υγειονομικής περίθαλψης και έρευνας θα χρησιμοποιήσουν το ομοσπονδιακό υλικό και λογισμικό εκμάθησης που δημιούργησε η ομάδα του UPennand της Intel για να παράγουν ένα νέο υπερσύγχρονο μοντέλο τεχνητής νοημοσύνης που θα έχει εκπαιδευτεί στο μεγαλύτερο σύνολο δεδομένων του όγκου του εγκεφάλου που έχει χρησιμοποιηθεί ποτέ. Τα ιδρύματα τα οποία καθοδηγεί η ομάδα του κ. Μπάκα, συμπεριλαμβάνουν το Νοσοκομείο του Πανεπιστημίου της Πενσυλβανίας, το Πανεπιστήμιο της Ουάσιγκτον στο St. Louis, το Ιατρικό Κέντρο του Πανεπιστημίου του Πίτσμπουργκ, το Πανεπιστήμιο Vanderbilt, το Πανεπιστήμιο Queens του Καναδά, το Τεχνικό Πανεπιστήμιο του Μονάχου στη Γερμανία, το Πανεπιστήμιο της Βέρνης στην Ελβετία, το King's CollegeΛονδίνου στην Αγγλία, το Erasmus MC της Ολλανδίας, και το Νοσοκομείο Tata Memorial της Ινδίας, για να αναφέρουμε μερικά.
Αν το μοντέλο επιτύχει, τότε θα μπορεί, επισημαίνει ο κ. Μπάκας, να βρει εφαρμογή στην διάγνωση και παρακολούθηση, όχι μόνο άλλων μορφών καρκίνου, αλλά και άλλων ασθενειών. Η εφαρμογή του ξεκινά τον επόμενο μήνα.
Πότε, πώς και από ποιους διεξήχθη η έρευνα;
Η πιλοτική μελέτη διεξήχθη το 2018 από την ομάδα που εποπτεύω στο πανεπιστήμιο της Πενσυλβανίας (UPenn) και τους συνεργάτες μου στην Intel. Εμείς στο UPenn εστιάζουμε στη δημιουργία των μοντέλων τεχνητής νοημοσύνης και η Intel συνεισφέρει την μοναδική τεχνογνωσία της στο τομέα ασφάλειας και απορρήτου. Ο σκοπός αυτής της μελέτης ήταν να εκτιμήσει εάν η μελέτη θα μπορούσε να έχει αποτελέσματα τα οποία θα μπορούσαν να έχουν πραγματική κλινική εφαρμογή ή αν θα ήταν ακόμα μία τεχνολογική μελέτη. Τελικά η πιλοτική μελέτη μετά τα αποτελέσματά της κλήθηκε να παρουσιαστεί και να δημοσιευτεί από το κορυφαίο συνέδριο “ιατρικών υπολογιστικών εικόνων και παρεμβάσεων με υπολογιστή” (Medical Image Computingand Computer-Assisted Interventions - MICCAI) το 2018. Αυτή η δημοσίευση (η οποία μπορεί να βρεθεί εδώ) περιγράφει την πρώτη μελέτη σε αυτό το χώρο τεχνητής νοημοσύνης στην ιατρική - δηλαδή της ομοσπονδιακής μηχανικής μάθησης (federated machine learning). Από τη δημοσίευση αυτής της πιλοτικής μελέτης μέχρι τώρα είμαστε σε επικοινωνία με πολλά διεθνή ιδρύματα υγειονομικής περίθαλψης (νοσοκομεία και πανεπιστημιακά νοσοκομεία) σε όλο τον κόσμο προκειμένου να βελτιστοποιήσουμε και προσφέρουμε την λύση μας. Φυσικά θα πρέπει να τονίσουμε πως η έρευνα αυτή γίνεται πραγματικότητα μέσω χρηματοδότησης που μας προσέφερε το εθνικό ινστιτούτο υγείας (National Institutes of Health), ο μεγαλύτερος αμερικάνικος κρατικός μηχανισμός χρηματοδοτήσεων για ιατρικές μελέτες.
O Σπύρος Μπάκας
Ποιο το αντικείμενο και ο σκοπός της
H έρευνα αυτή είναι μια συνεργατική προσπάθεια που συμπεριλαμβάνει 30 ιδρύματα υγειονομικής περίθαλψης (νοσοκομεία και πανεπιστημιακά νοσοκομεία) στην οποία επικεφαλής είναι η ομάδα που εποπτεύω από το UPenn, και η ομάδα της Intel, και εστιάζει στη βελτίωση ανίχνευσης όγκων μέσω υπολογιστικών μοντέλων τεχνητής νοημοσύνης. Το σημαντικό μέρος εδώ δεν είναι ότι εστιάζουμε σε όγκους εγκεφάλου, αλλά ο τρόπος με τον οποίο κάνουμε ένα μοντέλο τεχνητής νοημοσύνης να μάθει. Συγκεκριμένα, τα μοντέλα αυτά για να μπορούν να είναι ακριβή και γενικεύσιμα, πρέπει να μάθουν από πολλούς ασθενείς αλλά και από διαφορετικούς πληθυσμούς ασθενών. Στη μελέτη αυτή προσπαθούμε να αναπτύξουμε την ικανότητα να εκπαιδεύσουμε ένα μοντέλο τεχνητής νοημοσύνης χωρίς να μοιραστούν δεδομένα ασθενών που θα μπορούσαν να υπόκεινται σε διάφορους κανονισμούς προσωπικών δεδομένων (π.χ. GDPR, HIPAA), καθώς θα προέρχονται από διαφορετικές χώρες.
Στην ουσία με την λύση που προσφέρουμε «ξεκλειδώνουμε» την πρόσβαση σε ιατρικά δεδομένα που δεν θα μπορούσαν να χρησιμοποιηθούν υπό άλλες συνθήκες, μιας και λόγω προσωπικών δεδομένων δεν θα μπορούσαν να μοιραστούν, εκπαιδεύοντας ένα μοντέλο τεχνητής νοημοσύνης χωρίς να φύγουν οι ιατρικές δεδομένα από τα εκάστοτε ιδρύματα. Αυτό σημαίνει ότι μπορούμε να εκπαιδεύσουμε το μοντέλο με ένα πολύ μεγαλύτερο σύνολο δεδομένων απ’οτι έχει ποτέ χρησιμοποιηθεί.
Τι σημαίνει πρακτικά για τους γιατρούς αυτό το μοντέλο στην διάγνωση του καρκίνου του εγκεφάλου;
Πρακτικά μπορεί να βοηθήσει στην πιο ακριβή διάγνωση και παρακολούθηση για την αξιολόγηση πιθανών εξελίξεων. Συγκεκριμένα, τα κλινικά κριτήρια που αυτή τη στιγμή χρησιμοποιούνται παγκοσμίως για τη διάγνωση καρκινικών όγκων είναι μετρήσεις σε δυο διαστάσεις των μεγαλύτερων διαμέτρων μιας βλάβης σε αυθαίρετα επιλεγμένες φέτες μιας μαγνητικής τομογραφίας (όπως φαίνονται στην πιο κάτω εικόνα).
Ωστόσο, αυτή η υπόθεση δεν είναι ακριβής, καθώς οι όγκοι εμφανίζουν πολύ περίπλοκα σχήματα και ανισοτροπική ανάπτυξη. Επίσης διαφορετικοί ακτινολόγοι μπορούν να αντιληφθούν διαφορετικά τον εκάστοτε όγκο με αποτέλεσμα να κάνουν διαφορετικές μετρήσεις. Αυτό είναι ιδιαίτερο πρόβλημα όταν διαφορετικοί γιατροί επιμελούνται την παρακολούθηση ενός όγκου σε βάθος χρόνου (που είναι και το πιο σύνηθες στην Ελλάδα), και κάποιος μπορεί να καταλήξει σε αξιολόγηση του όγκου σαν να υπάρχει μεγέθυνση, ενώ κάποιος άλλος σε σμίκρυνση (μιλώντας εκ πείρας από τον άμεσο οικογενειακό κύκλο μου στην Ελλάδα).
Κατά συνέπεια, υπάρχει μεγάλο ενδιαφέρον για τη χρήση ογκομετρικής εκτίμησης του όγκου (δηλαδή σε 3 διαστάσεις αντί για 2), με μελέτες που δείχνουν ότι οι ογκομετρικές μετρήσεις είναι πιο αξιόπιστες και ακριβείς σε σύγκριση με τις διαμετρικές μετρήσεις στην μαγνητική τομογραφία. Ωστόσο, η χειροκίνητη ογκομετρική μέτρηση είναι δύσκολο να εφαρμοστεί σε ένα κλινικό περιβάλλον γιατί απαιτεί πολλές ώρες και εξειδικευμένο λογισμικό, ενώ οι διαμετρικές μετρήσεις μπορούν να γίνουν γρήγορα και χωρίς ειδικό λογισμικό κατά τη διάρκεια της ρουτίνας αξιολόγησης των μαγνητικών τομογραφιών.
Μπορεί να εφαρμοστεί και σε άλλες μορφές καρκίνου;
Εφόσον αποδείξουμε την ολοκληρωμένη διαδικασία και ροή εργασίας με αποτελέσματα από την μελέτη που κάνουμε τώρα συμπεριλαμβανόμενων των 30 κέντρων, η ίδια διαδικασία θα μπορεί να εφαρμοστεί άμεσα σε οποιοδήποτε άλλο πρόβλημα, όχι μόνο σε άλλες μορφές καρκίνου.
Πότε και πού θα εφαρμοστεί;
Το κέντρο της δημιουργίας του ομοσπονδιακού μοντέλου τεχνητής νοημοσύνης θα είναι στο UPenn, και σε πρώτο στάδιο θα μοιραστεί με τα 30 συνεργαζόμενα ιατρικά κέντρα. Το δεύτερο στάδιο θα συμπεριλαμβάνει την ελεύθερη διανομή του μοντέλου παγκοσμίως. Επίσης οι αλγόριθμοι που δημιουργούμε για την ανάπτυξη αυτού του μοντέλου τεχνητής νοημοσύνης θα δοθούν ελεύθερα στο κοινό για οποιαδήποτε χρήση.
Πόσο δύσκολο ήταν το εγχείρημα; Tι κρατήσατε από όλη αυτή τη διαδικασία;
Συνειδητοποίησα την έννοια του ρητού: “αν θέλεις να πας γρήγορα πήγαινε μόνος σου, αν θέλεις να πας μακριά πήγαινε μαζί με άλλους.”
Πώς είναι η ζωή στην Αμερική;
Η ζωή στο εξωτερικό είναι διαφορετική από τα δεδομένα που έχουμε μάθει στην Ελλάδα, και απαιτεί χρόνο για να συνηθίσεις, “γερό στομάχι”, και σκληρή δουλειά. Είναι πολύ γενική η ερώτηση αυτή και για να το αναλύσουμε αυτό το θέμα νομίζω πως θα θέλαμε μια συνέντευξη μόνο για αυτό, για να καλύψουμε από ρατσισμό, μέχρι το δέσιμο της ομογένειας, μέχρι και την αναγνώριση της εργασίας.
Σας λείπει η Πάτρα; Θέλετε να επιστρέψετε κάποια στιγμή στην Ελλάδα;
Η αλήθεια είναι πως δεν είναι στα άμεσα σχέδιά μου να επιστρέψω μόνιμα στην Ελλάδα. Βέβαια, προσπαθώ να έρχομαι τουλάχιστον μία φορά τον χρόνο στην Ελλάδα μαζί με την σύζυγο και τα παιδιά μου, προκειμένου να βλέπουμε και να περνάμε χρόνο με τους δικούς μας ανθρώπους που μας λείπουν και μιας και θέλουμε να δώσουμε στα παιδιά μας την Ελληνική κουλτούρα. Όσο για το απώτερο μέλλον… ...ποιoς ξέρει;
Η ανακοίνωση της εφαρμογής της μελέτης δημοσιεύτηκε σε ιστότοπους και εφημερίδες της Αμερικής μεταξύ των οποίων και η εφημερίδα της Wall Street
To δελτίο Τύπου εδώ
Who is who
Ο Σπυρίδων Μπάκας γεννήθηκε στο Μαρούσι Αττικής και μετακόμισε στην Πάτρα σε ηλικία 4.5 ετών. Έζησε στην Πάτρα μέχρι και την ενηλικίωσή του που μετακόμισε στο Λονδίνο για τις πανεπιστημιακές του σπουδές. Εκεί πήρε το πρώτο του πτυχίο στην “Επιστήμη Υπολογιστών” (Computer Science), και συνέχισε με το μεταπτυχιακό του σε “Επεξεργασία Ψηφιακής Εικόνας και Εικονική Πραγματικότητα” (Vision, Imaging and Virtual Environments) στο Πανεπιστημιακό Κολεγίου του Λονδίνου (UCL), και μετέπειτα με το διδακτορικό του σε “Ανάλυση Ιατρικής Εικόνας” (Medical Image Computing & Analysis) στο Πανεπιστήμιο Κινγκστον όπου και ασχολήθηκε με τον καρκίνο του ήπατος.
Από τότε μετακόμισε στην Φιλαδέλφεια των ΗΠΑ, όπου ζει με την σύζυγο του και τα δύο του παιδιά, και εργάζεται ως ερευνητής καθηγητής της Ιατρικής Σχολής του Πανεπιστημίου της Πενσυλβάνια (UPenn), εστιάζοντας στον καρκίνο του εγκεφάλου. Είναι επίσης, Επισκέπτης Ερευνητής Καθηγητής στο Πανεπιστήμιο Κινγκστον του Λονδίνου. Η έρευνά του επικεντρώνεται στην ανάπτυξη και την εφαρμογή υπολογιστικών αλγορίθμων σε ογκολογική απεικόνιση, με σκοπό τη βελτίωση της αξιολόγησης, της ποσοτικοποίησης και της διάγνωσης του καρκίνου. Ασχολείται επίσης με τη έρευνα συσχετισμών μεταξύ ιατρικής απεικόνισης και γονιδιωματικών πληροφοριών, που μπορούν να προσφέρουν μοντέλα θεραπείας προσαρμοσμένα σε ατομική βάση για κάθε ασθενή.
Ο Δρ Μπάκας έχει δημοσιεύσει 30 συγγράμματα σε διεθνή επιστημονικά περιοδικά, έχει κληθεί να παρουσιάσει τα αποτελέσματα της έρευνάς του σε περισσότερα από 50 συνέδρια σε όλο τον κόσμο, έχει επιμεληθεί 3 επιστημονικά βιβλία, και έχει λάβει διάφορες τιμητικές διακρίσεις.
Ακολουθήστε το thebest.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Δείτε όλες τις τελευταίες Ειδήσεις από την Ελλάδα και τον Κόσμο, τη στιγμή που συμβαίνουν, στο thebest.gr