Δύο εφαρμογές Τεχνητής Νοημοσύνης για τα "νοσοκομεία του μέλλοντος"

Δύο καινοτόμα διαγνωστικά εργαλεία, με χρήση Τεχνητής Νοημοσύνης, που αναπτύχθηκαν στο πλαίσιο του ευρωπαϊκού ερευνητικού έργου HosmartAI, δίνουν μια εικόνα των εφαρμογών που θα έχουν στη διάθεσή τους τα "έξυπνα" νοσοκομεία και συστήματα Υγείας του όχι μακρινού μέλλοντος: Το καρδιολογικό ψηφιακό εργαλείο εντοπίζει στένωση αρτηριών, ενώ το γυναικολογικό έχει τη δυνατότητα να προβλέψει τον κίνδυνο πρόωρου τοκετού σε γυναίκες προχωρημένης εγκυμοσύνης.

Ο κ. Εμμανουήλ Ρήγας (φωτογραφία), μεταδιδακτορικός ερευνητής του Εργαστηρίου Ιατρικής Φυσικής και Ψηφιακής Καινοτομίας του ΑΠΘ, αναλύει στο iatronet.gr τον τρόπο λειτουργίας των δύο συστημάτων στήριξης απόφασης, τα ποσοστά ακριβείας των διαγνώσεών τους και τα βήματα που θα ακολουθήσουν ως τον τελικό στόχο, που είναι η είσοδός τους στην κλινική πράξη.

Διάγνωση στένωσης αρτηριών

Με βάση κάποιες εργαστηριακές και άλλες μη επεμβατικές εξετάσεις, σε συνδυασμό με δημογραφικά στοιχεία και άλλα δεδομένα, το καινοτόμο λογισμικό ΤΝ μπορεί να διαγνώσει αν κάποιος έχει στένωση αρτηριών. "Ουσιαστικά, αυτό που θέλουμε να πετύχουμε είναι να αποφύγει ο ασθενής να κάνει την αξονική -για λόγους κόστους και ακτινοβολίας- γιατί αν κάνει την αξονική είναι πιο ξεκάθαρη η διάγνωση", εξηγεί ο κ. Ρήγας.

Η εσωτερική αξιολόγηση που έγινε στο πλαίσιο ανάπτυξης του ερευνητικού διαγνωστικού εργαλείου έδειξε ποσοστά ακριβείας 82%. Στην αξιολόγηση που έγινε από τους γιατρούς, σε 500 καρδιολογικούς ασθενείς στο νοσοκομείο ΑΧΕΠΑ, το γενικό ποσοστό ακριβείας υποχώρησε στο 60%, αλλά με μια άλλη μετρική, το λεγόμενο recall που εξετάζει μόνο τα θετικά αποτελέσματα, ανέβηκε στο 96%. "Δηλαδή, ο αλγόριθμος εντόπισε το 96% των περιπτώσεων στις οποίες υπήρχε στένωση", εξηγεί ο ερευνητής, προσθέτοντας πως θα γίνουν βελτιώσεις και επεκτάσεις για τη βελτίωση των ποσοστών και στα αρνητικά αποτελέσματα.

Πρόβλεψη πιθανότητας πρόωρου τοκετού

Το δεύτερο εργαλείο σχεδιάστηκε με στόχο να προβλέπει την πιθανότητα πρόωρου τοκετού σε εγκύους που βρίσκονται σε προχωρημένη εγκυμοσύνη, δηλαδή μετά τον 7^ο μήνα.

Σε ένα σύνολο δεδομένων 937 γυναικών από το Ιπποκράτειο νοσοκομείο Θεσσαλονίκης το λογισμικό έδειξε ακρίβεια 90% στην εσωτερική αξιολόγηση και 79% στις εκ των υστέρων αξιολογήσεις από τους γιατρούς. Το μετρικό recall, που μετρά μόνο τα θετικά, το ποσοστό ακρίβειας κι εδώ έφτασε το 94%.

Στοίχημα για τους ερευνητές είναι η βελτίωση και των δύο εργαλείων, ως προς την ελαχιστοποίηση των πιθανών ψευδώς θετικών διαγνώσεων.

"Θέλουμε και να τα αξιολογήσουμε σε πολύ μεγαλύτερα σύνολα δεδομένων, ιδανικά και σε ένα πιο ετερογενές δείγμα δεδομένων, ακόμα και από άλλες χώρες ενδεχομένως, ώστε να δούμε αν λειτουργεί σωστά και σε διαφορετικές πληθυσμιακές ομάδες", αναφέρει ο κ. Ρήγας.

CADXpert

Τα δύο "έξυπνα" λογισμικά έχουν ενσωματωθεί σε μια web εφαρμογή, η οποία είναι διαθέσιμη σε γιατρούς των δύο ειδικοτήτων, οι οποίοι έχουν πρόσβαση με κωδικούς. "Ανάλογα με την ειδικότητα, ο γιατρός εισάγει τους κωδικούς του και αυτόματα η εφαρμογή τον οδηγεί στο καρδιολογικό ή στο γυναικολογικό κομμάτι", λέει ο ερευνητής και προσθέτει: "Αφού εισέλθει, μπορεί να συμπληρώσει τις μεταβλητές που έχει από τις διάφορες εργαστηριακές εξετάσεις και δημογραφικά στοιχεία, και να του δώσει ο αλγόριθμος το αποτέλεσμα, μαζί με ένα ποσοστό βεβαιότητας, καθώς και μια επεξήγηση του αποτελέσματος, δηλαδή ποιες μεταβλητές είχαν τον σημαντικότερο ρόλο στην απόφαση που έβγαλε".

Ο γιατρός έχει τη δυνατότητα να χρησιμοποιεί την εφαρμογή ως συμπληρωματική της δικής του διάγνωσης ή πρόβλεψης, συνδυάζοντας τη δική του γνώση και εμπειρία με μια εναλλακτική διάγνωση. 

"Ειδικά στο γυναικολογικό κομμάτι, οι έγκυες κάνουν ούτως ή άλλως μια σειρά εξετάσεων. Αν όμως φανεί από τον αλγόριθμο η πιθανότητα πρόωρου τοκετού μπορεί να την έχει ο γιατρός υπό πιο στενή επίβλεψη", παρατηρεί ο κ. Ρήγας, συμπληρώνοντας πως "το εργαλείο θα μπορούσε να είναι ιδιαίτερα χρήσιμο σε περιφερειακά νοσοκομεία, που ενδεχομένως δεν έχουν τόσο έμπειρο και εξειδικευμένο προσωπικό, προκειμένου να μπορούν να παρακολουθούν πιο αποτελεσματικά τις γυναίκες που έχουν δυνητικά υψηλό κίνδυνο".

Μετά τη λήξη του ερευνητικού προγράμματος HosmartAI, οι ερευνητές αναζητούν επιπρόσθετη χρηματοδότηση μέσω άλλων προγραμμάτων, προκειμένου να συνεχίσουν την έρευνα, να βελτιώσουν τις εφαρμογές, να τις αξιολογήσουν σε μεγαλύτερο όγκο δεδομένων και να τις φέρουν ένα βήμα πιο κοντά στην ενσωμάτωση στην κλινική πράξη.

ΑΙ και "έξυπνη" Ιατρική

Ο κ. Ρήγας προβλέπει ραγδαία ανάπτυξη της Τεχνητής Νοημοσύνης στον τομέα της υγείας τα επόμενα χρόνια, κυρίως στο σκέλος της που αφορά τη Μηχανική Μάθηση, παρόλο που θα χρειαστεί λίγος καιρός για την ενσωμάτωση των καινοτόμων εφαρμογών στα ιατρικά πρωτόκολλα.

"Ο μεγάλος όγκος δεδομένων που έχουμε πλέον στη διάθεσή μας, καθώς και οι πολύ ισχυροί υπολογιστές, μας δίνουν τα εργαλεία που χρειαζόμαστε για να κάνουμε στοχευμένες, ακριβείς προβλέψεις και πιο αποδοτική ανάλυση δεδομένων", τονίσει και καταλήγει: "Νομίζω ότι βρισκόμαστε σε αρχικό στάδιο, θα χρειαστεί κάποια χρόνια προκειμένου ανάλογες εφαρμογές να μπουν στα πρωτόκολλα, αλλά σίγουρα είναι μια εποχή που θα χαρακτηριστεί από ραγδαίες αλλαγές, όπως όταν αναπτύχθηκαν τα διαγνωστικά μηχανήματα, οι αξονικοί τομογράφοι".