Λογισμικό τεχνητής νοημοσύνης (AI) Ελλήνων επιστημόνων ανιχνεύει καρδιακά προβλήματα, ενώ μεγάλη αξιοπιστία δείχνει διεπιστημονική κλινική έρευνα στο Ωνάσειο.
Ένα νέο λογισμικό που αξιοποιεί Τεχνητή Νοημοσύνη (AI) για να αξιολογήσει τη λειτουργία της δεξιάς κοιλίας της καρδιάς με τη βοήθεια των δεδομένων που παρέχει ο απλός δισδιάστατος υπέρηχος καρδιάς ανέπτυξαν δύο Έλληνες ερευνητές στο Κέντρο Έρευνας Τεχνητής Νοημοσύνης «Αρχιμήδης», ο επεμβατικός καρδιολόγος, πρώην επίκουρος καθηγητής Καρδιολογίας στο αμερικανικό πανεπιστήμιο Κολούμπια, Πολύδωρος Καμπακτσής, και ο επίκουρος καθηγητής Επιστήμης Δεδομένων στο βρετανικό πανεπιστήμιο Nottingham Trent, Αρχοντής Γιαννακίδης.
Η εφαρμογή δοκιμάζεται για πρώτη φορά ευρέως σε κλινική έρευνα στην Ελλάδα, στο Ωνάσειο Νοσοκομείο.
Οι δυσλειτουργίες της δεξιάς κοιλίας της καρδιάς ελαττώνουν το προσδόκιμο ζωής ανεξάρτητα από άλλους καρδιακούς παράγοντες. Τη δεξιά κοιλία μπορεί να επηρεάσει αρνητικά οποιαδήποτε διαταραχή της αριστερής κοιλίας, όπως έμφραγμα του μυοκαρδίου και ισχαιμική καρδιομυοπάθεια. Μελέτες έχουν δείξει ότι έως και 20% των ασθενών που υπόκεινται σε υπερηχοκαρδιογράφημα για οποιονδήποτε λόγο, έχουν κάποια διαταραχή στην ανατομία ή λειτουργία της δεξιάς κοιλίας.
Ωστόσο, το πολύπλοκο σχήμα της δεξιάς κοιλίας οδηγεί συχνά στην αδυναμία αξιόπιστης απεικόνισής της από τον δισδιάστατο υπέρηχο, που αποτελεί την πρώτη και βασικότερη απεικονιστική εξέταση στην Καρδιολογία. Την πιο ενδεδειγμένη εξέταση αποτελεί η μαγνητική τομογραφία καρδιάς, που όμως δεν πραγματοποιείται συχνά γιατί οι τομογράφοι είναι δυσεύρετοι και δαπανηροί.
Διαπιστώνοντας την ανάγκη για μια ευρύτερη, αξιόπιστη και προσιτή λύση στην αξιολόγηση της δεξιάς κοιλίας μέσω δισδιάστατου υπερήχου, ο Πολύδωρος Καμπακτσής και ο Αρχοντής Γιαννακίδης αποφάσισαν να επιστρατεύσουν την Τεχνητή Νοημοσύνη και να δημιουργήσουν ένα πρωτοποριακό λογισμικό.
«Πρόκειται ουσιαστικά για μια νέα μέθοδο που στοχεύει να αποτελέσει ένα καθημερινό εργαλείο αντικειμενικότερης και ορθότερης εκτίμησης της δεξιάς κοιλίας με χρήση του απλού δισδιάστατου υπέρηχου. Ζητά από τον καρδιολόγο να πραγματοποιήσει κάποιες μετρήσεις και στη συνέχεια στηρίζεται σε έναν αλγόριθμο Τεχνητής Νοημοσύνης για να παράξει τα αποτελέσματα», εξηγεί στο ΑΠΕ-ΜΠΕ ο Πολύδωρος Καμπακτσής.
Όπως τονίζει ο Αρχοντής Γιαννακίδης, ένα από τα πιο δυνατά σημεία της εφαρμογής είναι «η δυνατότητα μάθησης με μεγάλη επιτυχία των πολύπλοκων μοτίβων, τα οποία βρίσκονται κρυμμένα στα ιατρικά δεδομένα και είναι χρήσιμα για το συγκεκριμένο εγχείρημα. Επιπλέον, η διαδικασία εξαγωγής συμπεράσματος έχει μικρές απαιτήσεις για υπολογιστική ισχύ, μνήμη και ηλεκτρική ενέργεια, καθιστώντας την εφαρμογή μας ιδανική για να αναπτυχθεί σε μικρές συσκευές (πχ. φορητούς υπολογιστές, κινητά τηλέφωνα) που υπόκεινται σε σχετικούς περιορισμούς πόρων».
Ο κ. Γιαννακίδης διευκρινίζει επίσης ότι «δεν υπάρχουν παρόμοιες εφαρμογές Τεχνητής Νοημοσύνης για την αξιολόγηση της δεξιάς κοιλίας μέσω δισδιάστατου υπερήχου. Η έμπνευσή μας προήλθε από κάποιες προγενέστερες και υπεραπλουστευμένες γεωμετρικές μεθόδους που εφαρμόζονται στην πολύ πιο εύκολη να μελετηθεί αριστερή κοιλία. Βέβαια, η συγκεκριμένη έρευνά μας είχε και έναν εξαιρετικό συγχρονισμό με τις ευρύτερες σαρωτικές εξελίξεις της βαθιάς μηχανικής μάθησης σε δεδομένα τύπου πίνακα, καθώς θα ήταν πρακτικά αδύνατο να έχουμε τόσο επιτυχημένα αποτελέσματα πριν από πέντε ή περισσότερα χρόνια».
Κλινική έρευνα στο Ωνάσειο
Καθοριστικό βήμα για την επικύρωση της ακρίβειας των αποτελεσμάτων του λογισμικού αποτελεί η κλινική του αξιολόγηση. Η πρώτη μικρής κλίμακας κλινική έρευνα είχε γίνει σε 50 ασθενείς στο Irving Medical Center του Πανεπιστημίου Κολούμπια, όπου διαπιστώθηκε ότι η μέθοδος πλησίασε σε ακρίβεια τη μαγνητική τομογραφία καρδιάς.
Ωστόσο, τα πρώιμα αυτά αποτελέσματα έπρεπε να επιβεβαιωθούν σε μεγαλύτερο αριθμό ασθενών, γι’ αυτό έχει ξεκινήσει μια μεγαλύτερη κλινική δοκιμή στο Ωνάσειο Νοσοκομείο, σε συνεργασία με τον καρδιοχειρουργό και αναπληρωτή διευθυντή στο Ωνάσειο Καρδιοχειρουργικό Κέντρο, Δημήτρη Αυγερινό.
«Γρήγορα καταλήξαμε στο συμπέρασμα πως το Ωνάσειο Νοσοκομείο, με την υψηλή ποιότητα των υπηρεσιών υγείας και τις προηγμένες του δυνατότητες θα μπορούσε να αποτελέσει το κέντρο για την συνέχιση της έρευνάς μας επί ελληνικού εδάφους», υπογραμμίζει ο κ. Καμπακτσής. Έτσι, ξεκίνησε η συνεργασία μεταξύ του Ωνάσειου Νοσοκομείου και του Ερευνητικού Κέντρου «Αρχιμήδης», που έχει έδρα την Αθήνα και το οποίο χρηματοδοτεί τη μελέτη.
Όπως περι- ο Δημήτρης Αυγερινός, στην ελληνική κλινική μελέτη θα συμμετάσχουν 200 ασθενείς. Οι ασθενείς υποβάλλονται σε δισδιάστατο υπέρηχο καρδιάς και σε μαγνητική τομογραφία καρδιάς. Το λογισμικό αξιοποιεί τα δεδομένα του υπερήχου και παράγει αποτελέσματα, τα οποία προσεγγίζουν αυτά της μαγνητικής τομογραφίας- η τελευταία χρησιμοποιείται και για τον έλεγχο της ακρίβειας της εφαρμογής.
Από τα ενδιάμεσα αποτελέσματα στους πρώτους 120 ασθενείς προκύπτει ακρίβεια του λογισμικού μεγαλύτερη από 90%. Ο κ. Αυγερινός κάνει λόγο για ένα software το οποίο «πιστεύω ότι θα φέρει πραγματική επανάσταση στην καθημερινότητα των υπέρηχων καρδιάς».
Επόμενος στόχος των ερευνητών του «Αρχιμήδη» μετά τη μελέτη στο Ωνάσειο, είναι να γίνει δοκιμή της τεχνικής σε μεγάλη κλίμακα στην κλινική πράξη, μέσα από πολυκεντρική μελέτη σε νοσοκομεία της Ελλάδας και των ΗΠΑ, «ώστε να ελεγχθεί ρεαλιστικά η ενσωμάτωση του αλγόριθμου στην καθημερινή κλινική πράξη και η επίπτωσή της στην αποτελεσματικότερη διαχείριση των ασθενών και όσων υπόκεινται σε διαθωρακικό υπερηχογράφημα», όπως αναφέρει ο Πολύδωρος Καμπακτσής.
Προτεραιότητα των ερευνητών αποτελεί επίσης, σύμφωνα με τον κ. Γιαννακίδη, η πλήρης αυτοματοποίηση στο λογισμικό της διαδικασίας κατάτμησης της δισδιάστατης εικόνας υπερήχου, αλλά και η παροχή μετρήσεων του επιπέδου αβεβαιότητας για την αύξηση της εμπιστοσύνης και ανθεκτικότητας της εφαρμογής.
Η Τεχνητή Νοημοσύνη στην Ιατρική
Η συγκεκριμένη πρωτοβουλία αποτελεί ένα κομμάτι του παζλ της ευρύτερης διεθνούς προσπάθειας αξιοποίησης ψηφιακών εργαλείων και τεχνολογιών Τεχνητής Νοημοσύνης στην Ιατρική. Πώς όμως αναμένεται να εξελιχθεί αυτή η σύμπραξη, ρωτάμε τους τρεις διακεκριμένους επιστήμονες.
«Είναι τόσο ραγδαίες οι εξελίξεις στην Ιατρική που πλέον δεν τις μετράμε σε πενταετίες ή δεκαετίες, αλλά σε μήνες», απαντά ο Δημήτρης Αυγερινός. Έχοντας εξειδικευτεί στη Γενική Χειρουργική και στην Καρδιοχειρουργική σε αμερικανικά πανεπιστήμια, ο ίδιος παρακολουθεί στενά τις ερευνητικές εξελίξεις στην άλλη πλευρά του Ατλαντικού. Περι- ότι «στη Χειρουργική μπορεί να υπάρχουν τα ρομποτικά συστήματα υποβοήθησης χειρουργείων, αλλά δεν είναι ακόμα ανεξάρτητα. Πιστεύω ότι τα αυτόνομα ρομποτικά συστήματα, πάντα με επίβλεψη του γιατρού, θα είναι η καθημερινή πραγματικότητα σε μερικές δεκαετίες».
Με δύο πτυχία, στους Ηλεκτρολόγους Μηχανικούς και στην Ιατρική στο Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, «δύο αντικείμενα που δίνουν συγκριτικό πλεονέκτημα σε θέματα έρευνας που έχουν να κάνουν με την τεχνολογία και ειδικά με την Τεχνητή Νοημοσύνη», ο Πολύδωρος Καμπακτσής σχολιάζει στο ΑΠΕ-ΜΠΕ ότι «ζούμε μια έκρηξη νέων εφαρμογών στην Καρδιολογία, που στηρίζονται σε αλγορίθμους Τεχνητής Νοημοσύνης». Σπεύδει όμως να προσθέσει ότι «χρειάζεται πολλή κρίση για να βλέπουμε τα πράγματα στις πραγματικές τους διαστάσεις και να μην παρασυρόμαστε από πομπώδεις τίτλους. Τελικά, αυτό που έχει σημασία είναι αν και σε ποιο βαθμό όλες αυτές οι εφαρμογές μπορούν να βοηθήσουν στην αντιμετώπιση της ασθένειας και την προάσπιση της Υγείας. Κάποιες φορές βοηθούν, κάποιες όχι. Και αυτό πρέπει να είναι το μέτρο με το οποίο κρίνουμε τις νέες τεχνολογίες και την αξία τους».
Ο Αρχοντής Γιαννακίδης από την πλευρά του, πτυχιούχος της Σχολής Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του ΑΠΘ, που έχει ασχοληθεί με τεχνολογικές εφαρμογές στον χώρο της Υγείας ήδη από τη διπλωματική του εργασία, αλλά και πιο ενεργά με την Καρδιολογία σε προκλινικό επίπεδο κατά τη διάρκεια της μεταδιδακτορικής του έρευνας στο παγκοσμίου φήμης Lawrence Berkeley National Laboratory των ΗΠΑ, υπενθυμίζει ορισμένες από τις προκλήσεις που υπάρχουν στην αξιοποίηση της Τεχνητής Νοημοσύνης στην Ιατρική. «Μια βασική πρόκληση αφορά στην προστασία των ευαίσθητων προσωπικών δεδομένων. Χρειάζεται αυστηρή συμμόρφωση με GDPR κανονισμούς, καθώς επίσης και προηγμένες τεχνικές που να διασφαλίζουν την ασφαλή συλλογή και ανταλλαγή δεδομένων μεταξύ νοσοκομείων και ερευνητικών ινστιτούτων», τονίζει και παραθέτει επιπλέον προκλήσεις, όπως τα νομικά ζητήματα που μπορεί να προκύψουν σε περίπτωση λάθος διάγνωσης, οι δυσκολίες των συστημάτων υγείας να ενσωματώσουν τις νέες τεχνολογίες στην καθημερινή πρακτική, η απουσία διαφάνειας και ερμηνευσιμότητας από τους αλγόριθμους, αλλά και η σημασία της κλινικής επικύρωσης των αποτελεσμάτων τους.
