Ένα προηγμένο μοντέλο τεχνητής νοημοσύνης, ικανό να συμβάλει στην παθολογική ανάλυση και τη διάγνωση του καρκίνου, δημιούργησε ομάδα ερευνητών, με επικεφαλής την Ελληνίδα ερευνήτρια, Μαριάννα Ραψομανίκη, από το Biomedical Data Science Center του Πανεπιστημίου της Λωζάνης και το Πανεπιστημιακό Νοσοκομείο της Λωζάνης, στην Ελβετία.
Με στόχο να υπερπηδήσει το συχνό εμπόδιο της έλλειψης επαρκών ιστολογικών δεδομένων για την πρόγνωση του καρκίνου σε έναν ασθενή, η ερευνητική ομάδα, με συνεπικεφαλής την Μαριάννα Κράουτχοφ ντε Γιούλιο (Marianna Kruithof-de Julio), από το Ερευνητικό Εργαστήριο Ουρολογίας στο Πανεπιστήμιο της Βέρνης, δημιούργησε το μοντέλο τεχνητής νοημοσύνης με την ονομασία «VirtualMultiplexer», το οποίο παράγει εικόνες των βιοψιών και συγκεκριμένα της ανάλυσης των ιστών μέσω του χρωματισμού τους, δηλαδή μιας τεχνικής που χρησιμοποιείται για τη διάγνωση του καρκίνου στο εργαστήριο.
Στο πεδίο της ογκολογίας έχει εμφανιστεί τα τελευταία χρόνια η τεχνολογία του multiplexed imaging, όπου ανιχνεύονται και μετρώνται πολλοί βιοδείκτες του καρκίνου ταυτόχρονα παρέχοντας μεγαλύτερη ακρίβεια στη διάγνωση, στην εξατομίκευση της θεραπείας και στην πρόγνωση της κλινικής εξέλιξης της νόσου. «Η ογκολογία στο κομμάτι της έρευνας ζει μια πολύ μεγάλη επανάσταση με τις νέες τεχνικές στο εργαστήριο. Το ζήτημα είναι ότι αυτές οι τεχνικές είναι πολύ ακριβές και τα μηχανήματα δεν τα έχουν όλα τα εργαστήρια. Οπότε με αυτή τη μελέτη προσπαθήσαμε να πετύχουμε το ίδιο, αλλά με ένα υπολογιστικό μοντέλο», εξηγεί η κ. Ραψομανίκη.
Ο στόχος των ερευνητών ήταν με τη βοήθεια του μοντέλου αυτού να μειωθεί η ανάγκη εκτέλεσης επιπλέον εργαστηριακών αναλύσεων, αλλά και να μπορούν να συμπληρωθούν οι πληροφορίες που λαμβάνονται από την ανάλυση των ιστών.
Μετά τη δημιουργία του μοντέλου, οι ερευνητές δοκίμασαν το πόσο καλά οι τεχνητές αυτές εικόνες προβλέπουν τα κλινικά αποτελέσματα, προκειμένου να αποκλείσουν την πιθανότητα αληθοφανών, αλλά ψευδών προβλέψεων. Μέσα από τη σύγκριση των προβλέψεων αυτών με πραγματικούς βαμμένους ιστούς, οι ερευνητές επιβεβαίωσαν ότι το μοντέλο είναι αξιόπιστο.
Αν και μηχανικός υπολογιστών, η Μαριάννα Ραψομανίκη ασχολείται χρόνια με την αξιοποίηση της τεχνητής νοημοσύνης στη «μάχη» κατά του καρκίνου. «Το αποφάσισα αρκετά νωρίς, γιατί βρίσκω συγκλονιστικό το πόσο περίπλοκη είναι αυτή η ασθένεια. Όσο μαθαίνεις πιο πολλά, τόσο καταλαβαίνεις ότι δεν έχουμε ιδέα για το τι συμβαίνει σε μοριακό επίπεδο ή σε επίπεδο του μικροπεριβάλλοντος της νόσου. Είναι τόσο σύνθετη ασθένεια, που για μένα είναι τρομερά ενδιαφέρον να προσπαθούμε να βγάλουμε άκρη στο τι συμβαίνει», τονίζει στο ΑΠΕ-ΜΠΕ.
Όπως παρατηρεί η ίδια, η χρήση της τεχνητής νοημοσύνης «έχει φέρει πολύ μεγάλη ελπίδα, γιατί οι τεχνικές αυτές μπορούν να δουν συσχετίσεις που το ανθρώπινο μάτι δεν μπορεί να δει ή δεν μπορεί να τις αντιληφθεί. Επιπλέον, όλες οι πειραματικές τεχνικές που γίνονται στο εργαστήριο, μάς δίνουν πολύ μεγάλο όγκο δεδομένων τις οποίες η τεχνητή νοημοσύνη μπορεί να επεξεργαστεί πολύ πιο αποδοτικά».
«Συνολικά», συνεχίζει η κ. Ραψομανίκη, «η ελπίδα είναι ότι η τεχνητή νοημοσύνη θα είναι ένα χρήσιμο εργαλείο στα χέρια του γιατρού. Σε ένα πλαίσιο που τα συστήματα υγείας υφίστανται πολύ μεγάλη πίεση, οτιδήποτε μπορεί να απλοποιήσει τη δουλειά των γιατρών, θα βοηθήσει. Επιπλέον, το μέλλον της ογκολογίας πιστεύω ότι βρίσκεται στην εξατομικευμένη θεραπεία για κάθε ασθενή, με βάση τα δεδομένα του όγκου, γιατί όλοι οι όγκοι είναι μοναδικοί, και αυτό μπορεί να γίνει μόνο με προηγμένα μοντέλα».
Όμως, προσθέτει ότι «δεν πρέπει να ξεχνάμε ότι όλα αυτά είναι εργαλεία και να είμαστε πολύ προσεκτικοί στην προστασία των δεδομένων των ασθενών. Ταυτόχρονα, αυτό που είναι πολύ μεγάλο θέμα ερευνητικά είναι να καταλάβουμε πώς παίρνουν αποφάσεις αυτά τα μοντέλα. Οπότε πρέπει να είμαστε σίγουροι ότι τα αποτελέσματα των ερευνών μπορούν να επιβεβαιωθούν».
Σημειώνεται ότι πρώτος συγγραφέας της δημοσίευσης στο «Nature Machine Intelligence» είναι ο ερευνητής Πούσπακ Πάτι (Pushpak Pati), ο οποίος την περίοδο της έρευνας ήταν μέλος της ομάδας της κ. Ραψομανίκη. Στη δημοσίευση συνεργάστηκε μεταξύ άλλων και η Σοφία Καρκαμπούνα από το Πανεπιστήμιο της Βέρνης.
Σύνδεσμος για την επιστημονική δημοσίευση:
https://www.nature.com/articles/s42256-024-00889-5