Ο συμπολίτης Δρ. Μιχάλης Κλώντζας, επίκουρος καθηγητής Ακτινολογίας και επικεφαλής του Εργαστηρίου Τεχνητής Νοημοσύνης και Μεταφραστικής Απεικόνισης της Ιατρικής Σχολής του Πανεπιστημίου Κρήτης και ο Δρ. Ελευθέριος Τζανής, ακτινοφυσικός και μεταδιδακτορικός ερευνητής συνεχίζουν να ξεχωρίζουν σε διεθνές επίπεδο στον τομέα της ιατρικής τεχνητής νοημοσύνης. Από τον κ. Κλώντζα ζητήσαμε να μας μιλήσει για το καινοτόμο σύστημα τεχνητής νοημοσύνης, το οποίο ανέπτυξαν σε συνεργασία με τον κ.Τζανή, για το εργαστήριο Τεχνητής Νοημοσύνης και Μεταφραστικής Απεικόνισης, για την τεχνητή νοημοσύνη στα νοσοκομεία, το πρωτοποριακό mAIstrο δηλαδή το AI multi-agent σύστημα που αυτοματοποιεί την έρευνα πάνω στην τεχνητή νοημοσύνη της απεικόνισης, αλλά και για πολλά ακόμη ενδιαφέροντα ζητήματα.
Το εργαστήριο
Ο κ. Κλώντζας μας εξήγησε πως το εργαστήριο Τεχνητής Νοημοσύνης και Μεταφραστικής Απεικόνισης της Ιατρικής Σχολής του Πανεπιστημίου Κρήτης αφορά κυρίως εφαρμογές τεχνητής νοημοσύνης σε θέματα απεικόνισης. Στο εργαστήριο αυτό αναπτύσσουν συστήματα που αναλύουν εικόνες και προσπαθούν στη συνέχεια να κάνουν προβλέψεις όπως για παράδειγμα για ασθένειες, για αποτελέσματα θεραπείας αλλά και για διάφορα ακόμη ζητήματα.
Το πρόβλημα
Περιέγραψε ένα υπαρκτό πρόβλημα: εάν προστεθεί σε ένα νοσοκομείο κάποιο σύστημα τεχνητής νοημοσύνης, έχει αποδειχθεί πως όσο περνά ο καιρός η απόδοσή του φθίνει. Για παράδειγμα, μπορεί ενδεχομένως ένα σύστημα τεχνητής νοημοσύνης, να έχει εκπαιδευτεί για να ανιχνεύει πνευμονίες σε ακτινογραφίες, ωστόσο οι πνευμονίες εμφανίζονται συχνότερα τους χειμερινούς μήνες και καθώς πλησιάζει το καλοκαίρι αλλάζει ο πληθυσμός των ασθενών που θα εξετάζει το σύστημα αυτό. Εκεί δημιουργείται ένα πρόβλημα διότι, το σύστημα της τεχνητής νοημοσύνης, ενώ έχει «μάθει» ότι οι πνευμονίες είναι συχνές, μόλις εισέλθει η καλοκαιρινή περίοδος διαφοροποιείται ο πληθυσμός των ασθενών που καλείται να διαχειριστεί με αποτέλεσμα να δυσκολεύεται να ανταποκριθεί με ακρίβεια.
Καινοτόμο σύστημα
Εκείνοι λοιπόν, σκέφτηκαν να δημιουργήσουν ένα σύστημα τεχνητής νοημοσύνης που θα διαθέτει τη δυνατότητα να επιβλέπει άλλα ΑΙ μοντέλα που χρησιμοποιούνται στην κλινική πράξη για τη διάγνωση ασθενειών. Περιέγραψε λοιπόν πως δίνουν εντολές σε μορφή κειμένου και ζητούν από το σύστημα τεχνητής νοημοσύνης να ελέγξει κάποιο άλλο μοντέλο ΑΙ. Εκείνο στη συνέχεια, ελέγχει εάν η απόδοση του συστήματος έχει πέσει συγκριτικά με την αρχική του απόδοση και εάν ανιχνεύσει ότι έχει μειωθεί η απόδοση, διαθέτει σχετικούς μηχανισμούς που τον βοηθάει να το ξαναφέρει στην αρχική του απόδοση.
Αξίζει να σημειωθεί, πως γι’ αυτό το σύστημα τεχνητής νοημοσύνης που αναφέραμε παραπάνω, με την ονομασία RecIAIm έγινε δημοσίευση σε επιστημονικό περιοδικό, το οποίο θεωρείται το νο1 περιοδικό στο χώρο και χαίρει εκτίμησης παγκοσμίως. Μάλιστα, τα σχόλια που πήραν όταν το έστειλαν για δημοσίευση ήταν πολύ θετικά.
Αυτό που απομένει σύμφωνα με τον κ. Κλώντζα, είναι να δοκιμαστεί το σύστημα πρακτικά. Για εκείνους ο σκοπός ήταν να μειώσουν τα λάθη που μπορεί να γίνουν όταν χρησιμοποιηθεί η τεχνητή νοημοσύνη σε ένα ιατρικό χώρο.
Το mAIstro
Πριν από αυτό, οι δύο επιστήμονες, είχαν δημιουργήσει το mAIstro. Πρόκειται για ένα πρωτοποριακό AI multi-agent σύστημα που αυτοματοποιεί την έρευνα πάνω στην τεχνητή νοημοσύνη της απεικόνισης. Δηλαδή εάν κάποιος ερευνητής θέλει να φτιάξει ένα μοντέλο το οποίο θα βγάζει διαγνώσεις ή να κάνει αυτοματοποιημένες ενέργειες στην ακτινολογία, όλα τα ερευνητικά στάδια του τα αυτοματοποιεί, επομένως δεν χρειάζεται να γνωρίζει να τα προγραμματίζει ο ίδιος. Μπορεί δηλαδή, να επικοινωνεί με τον χρήση σε φυσική γλώσσα, να κατανοεί σύνθετα ζητήματα και να σχεδιάζει στρατηγικές επιλύσεις χρησιμοποιώντας κατάλληλα εργαλεία.
Δυνατότητες ΑΙ
Οι εξελίξεις γύρω από τα ζητήματα τεχνητής νοημοσύνης είναι ραγδαίες. Ο ίδιος θεωρεί πως στο σύντομο μέλλον οι διαδικασίες οι οποίες είναι πιο μηχανικές θα αντικατασταθούν από ένα σύστημα τεχνητής νοημοσύνης και θα γίνονται αυτοματοποιημένα. Για παράδειγμα, εάν χρειάζεται να μετρήσουν το μέγεθος ενός καρκίνου δεν θα χρειάζεται η διαδικασία να γίνει με το ποντίκι τραβώντας το για να τον μετρήσει αλλά θα γίνεται αυτοματοποιημένα.
Συμπλήρωσε, πως σιγά σιγά θα μπορεί η τεχνητή νοημοσύνη να κάνει μια σύνθεση δεδομένων από διάφορες ειδικότητες, να παίρνει αυτοματοποιημένα δεδομένα για τον ασθενή όπως αποτελέσματα διαφορετικών εξετάσεων και την κλινική εξέταση, να τα συνθέτει και να προτείνει κάποιες πιθανές λύσεις για την διαχείριση του ασθενούς.
Πιστεύει όμως, πως η τεχνητή νοημοσύνη δεν θα μπορέσει να αντικαταστήσει την σκέψη του ιατρού ή την απόφαση.
Σχολίασε πως αυτή την στιγμή, μονάχα ένα σύστημα τεχνητής νοημοσύνης έχει πάρει έγκριση για να λειτουργεί αυτόνομα και πρόκειται για ένα σύστημα που μπορούν οι ασθενείς στην Αμερική να το βάλουν στο κινητό και να πάρουν φωτογραφία μια ελιά στο δέρμα τους και να τους πει εάν υπάρχει πιθανότητα να είναι καρκινικό ή όχι.
Η τεχνητή νοημοσύνη στα νοσοκομεία
Τον ρωτήσαμε για τα νοσοκομεία της Ελλάδας ζητώντας του να μας ενημερώσει εάν έχουν υιοθετηθεί αρκετά συστήματα ΑΙ. Θεωρεί, όπως μας είπε, πως δεν έχουν υιοθετηθεί αρκετά ενώ συμπλήρωσε πως βρισκόμαστε αρκετά πίσω συγκριτικά με άλλα κράτη.
Αυτό όμως δεν σημαίνει ότι δεν διαθέτουμε. Μάλιστα στο ΠΑΓΝΗ έχουν συστήματα ΑΙ τα οποία κυρίως είναι υπο δοκιμαστική φάση. Ένας από τους βασικούς λόγους σχολίασε είναι ότι δεν υπάρχει επίσημα τρόπος χρηματοδότησης τέτοιων συστημάτων. Στο εξωτερικό υπάρχουν συστήματα που έχουν μπει στην ρουτίνα της κλινικής πράξης, όπως στην ανίχνευση καταγμάτων, στις μαστογραφίες και σε πολλά άλλα.
Το ερευνητικό του έργο
Ολοκληρώνοντας, θέλαμε να αναφέρουμε πως μας προκάλεσε ιδιαίτερο ενδιαφέρον η ενασχόλησή του με την τεχνητή νοημοσύνη και τον ρωτήσαμε σχετικά με αυτό. Αξίζει να υπογραμμίσουμε πως η ερευνητική πορεία του κ.Κλώντζα στο εξωτερικό σχετίζονταν με υπολογιστικά θέματα, έκανε το Διδακτορικό του στην Αγγλία και στη συνέχεια επιστρέφοντας από το εξωτερικό ξεκίνησε στο ΠΑΓΝΗ δουλεύοντας με εικόνες ιατρικού περιεχομένου. Οι εικόνες αποτελούν ένα ιδιαίτερα πολύτιμο σύνολο δεδομένων για την ανάπτυξη τεχνητής νοημοσύνης. Έτσι βρήκε την ευκαιρία να συνδυάσει το ερευνητικό του ενδιαφέρον με έναν τομέα που προσφέρει σημαντικές δυνατότητες και αξιόλογα αποτελέσματα. Σχολίασε πως η Ακτινολογία είναι η ειδικότητα με το 70-80% των εφαρμογών τεχνητής νοημοσύνης που έχουν πάρει έγκριση από τον οργανισμό FDA. Μάλιστα, οι περισσότερες εφαρμογές τεχνητής νοημοσύνης στην ιατρική ανάμεσα σε όλες τις ειδικότητες είναι στην ακτινολογία.
ΣΟΦΙΑ ΣΦΑΚΙΑΝΑΚΗ
