Βελτιωμένη διαγνωστική ακρίβεια κακοήθους όγκου εγκεφάλου με τη βοήθεια τεχνητής νοημοσύνης

Ερευνητική συνεργασία μεταξύ της Ιατρικής Σχολής του Πανεπιστημίου Pennsylvania και του Πανεπιστημίου Πατρών σε πρωτοποριακό μοντέλο Τεχνητής Νοημοσύνης (Federated Learning) αυξάνει την διαγνωστική ακρίβεια της χαρτογράφησης των ορίων της βλάβης κατά 33%, σε σχέση με συμβατικά μοντέλα Τεχνητής Νοημοσύνης, σε ασθενείς με γλοιοβλάστωμα εγκεφάλου.

Τo Πανεπιστήμιο Πατρών, με τα Τμήματα Ακτινοθεραπευτικής Ογκολογίας, Ακτινολογίας, Νευροχειρουργικής και Ηλεκτρολόγων Μηχανικών & Τεχνολογίας Υπολογιστών, συγκαταλέγεται ανάμεσα στα 71 διεθνή κέντρα τα οποία συμμετείχαν στη μεγαλύτερη έως τώρα πολυκεντρική μελέτη της αξιολόγησης ενός πολύ πρωτοποριακού μοντέλου τεχνητής νοημοσύνης,

Τα τελευταία χρόνια η Τεχνητή Νοημοσύνη με την εφαρμογή διαφόρων αλγορίθμων και τη βοήθεια αυτοματοποιημένων συστημάτων που εκπαιδεύονται από αληθινά περιστατικά, παίζει σημαντικό ρόλο τόσο στην υποβοήθηση της διάγνωσης όσο και στην παρακολούθηση παθήσεων του Κεντρικού Νευρικού Συστήματος, όπως για παράδειγμα οι όγκοι του εγκεφάλου.

Μια από τις εφαρμογές της Τεχνητής Νοημοσύνης, είναι η αυτοματοποιημένη και αξιόπιστη χαρτογράφηση των ορίων όγκων του εγκεφάλου, η οποία είναι ζωτικής σημασίας για την οποιαδήποτε θεραπευτική παρέμβαση.  Έτσι προκύπτουν τεράστια δυνητικά οφέλη για τον ασθενή, όπως η βελτίωση της θεραπευτικής αντιμετώπισης και συνακόλουθα η βελτίωση της ποιότητας ζωής ή και η αύξηση του προσδόκιμου επιβίωσης.

Συντονιστής της εν λόγω μελέτης ήταν ο Επίκουρος Καθηγητής Παθολογίας/Εργαστηριακής Ιατρικής και Ακτινολογίας της Ιατρικής Σχολής Perelman του Πανεπιστημίου της Pennsylvania των Ηνωμένων Πολιτειών, Δρ. Σπυρίδων Μπάκας (Ph.D), υπεύθυνος του Κέντρου Τεχνητής Νοημοσύνης και Επιστήμης Δεδομένων που αφορούν σε ολοκληρωμένες διαγνωστικές διαδικασίες.

Η συγκεκριμένη συνεργασία αποτελεί τη μεγαλύτερη σε αριθμό (3.7 εκατομμύρια εικόνες από 6314 ασθενείς) μελέτη που έχει γίνει μέχρι σήμερα, στην ανάπτυξη, εφαρμογή και αξιολόγηση ενός συγκεκριμένου μοντέλου τεχνητής νοημοσύνης το οποίο ονομάζεται ομοσπονδιακή μάθηση (Federated Learning), σε ασθενείς με έναν πολύ επιθετικό πρωτοπαθή κακοήθη όγκο εγκεφάλου, το γλοιοβλάστωμα.

Αυτό που καθιστά πρωτοποριακό το συγκεκριμένο μοντέλο τεχνητής νοημοσύνης είναι η δυνατότητα ταυτόχρονης καταχώρησης μεγάλου όγκου δεδομένων, διατήρηση της ανωνυμίας και των προσωπικών δεδομένων, χωρίς επί της ουσίας τα στοιχεία των ασθενών να αποκαλύπτονται ή να μεταφέρονται ως πληροφορία, εκτός του εκάστοτε Νοσοκομείου. Κατ΄ αυτό τον τρόπο παρέχονται περισσότερες πληροφορίες/δεδομένα στα μοντέλα εκπαίδευσης των αυτοματοποιημένων συστημάτων με αποτέλεσμα να εκπαιδεύονται καλύτερα και να παρέχουν υψηλότερου βαθμού διαγνωστική ακρίβεια όσον αφορά στους συγκεκριμένους όγκους εγκεφάλου.

Τα αποτελέσματα της μελέτης ήταν εντυπωσιακά και δημοσιεύθηκαν πρόσφατα στο επιστημονικό περιοδικό Nature Communications ένα από τα πιο αναγνωρισμένα και έγκυρα περιοδικά στον επιστημονικό χώρο με δείκτη απήχησης 17.6.

Πιο συγκεκριμένα, αναδείχθηκε ότι με το συγκεκριμένο πρωτοποριακό μοντέλο υπήρξε αύξηση της αξιόπιστης χαρτογράφησης των ορίων του συγκεκριμένου όγκου κατά 33% σε σχέση με τα υπάρχοντα συμβατικά μοντέλα Τεχνητής Νοημοσύνης.

Μεταξύ των σημαντικών διεθνών κέντρων τα οποία συμμετείχαν στη μελέτη (Yale, Harvard, Mayo clinic, Kings College, John Hopkins, Oxford Univ. etc), από τη χώρα μας συμμετείχε μόνο το Πανεπιστήμιο Πατρών και συγκεκριμένα τα παρακάτω μέλη ΔΕΠ και ερευνητές: Δημήτριος Καρδαμάκης (Καθηγητής) -Τμήμα Ακτινοθεραπευτικής Ογκολογίας, Πέτρος Ζαμπάκης (Αναπληρωτής Καθηγητής) -Τμήμα Ακτινολογίας, Χριστίνα Καλογεροπούλου (Καθηγήτρια)-Τμήμα Ακτινολογίας, Βασίλειος Παναγιωτόπουλος (Αναπληρωτής Καθηγητής)-Τμήμα Νευροχειρουργικής, Παναγιώτης Τσίγκανος (Εργαστηριακό διδακτικό προσωπικό)-Τμήμα Ακτινολογίας, Ηλίας Χαλιάσσος (Ειδικευόμενος Ιατρός)-Τμήμα Ακτινοθεραπευτικής Ογκολογίας, Κωνσταντίνος Μουστάκας (Καθηγητής)-Τμήμα Ηλεκτρολόγων Μηχανικών & Τεχνολογίας Υπολογιστών, Ευαγγελία Ζαχαράκη (Μεταδιδακτορική ερευνήτρια)-Τμήμα Ηλεκτρολόγων Μηχανικών & Τεχνολογίας Υπολογιστών, Σωτήρης Αλεξίου (Μεταπτυχιακός φοιτητής)-Τμήμα Ηλεκτρολόγων Μηχανικών & Τεχνολογίας Υπολογιστών.

https://www.nature.com/articles/s41467-022-33407-5