Αγώνα δρόμου καταβάλλει εδώ και μήνες η παγκόσμια επιστημονική κοινότητα για να συμβάλλει με ευρήματα, μελέτες και δεδομένα στην προσπάθεια αντιμετώπισης της πανδημίας του κορωνοϊού. Ακαδημαϊκοί, γιατροί και ερευνητές μάχονται ο καθένας από το δικό του μετερίζι για να ανακουφίσουν ασθενείς, να στηρίξουν τα εθνικά συστήματα υγείας και να φανούν χρήσιμοι στην εξεύρεση τρόπων που θα αναχαιτίσουν τον θανατηφόρο ιό.
Αυτό το κίνητρο «έσπρωξε» τον ελληνικής καταγωγής καθηγητή Άγγελο Κατσάγγελο του Τμήματος Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών της Πολυτεχνικής Σχολής του Πανεπιστημίου Northwestern του Ιλλινόις, ο οποίος με μια ομάδα φοιτητών και γιατρών του εν λόγω πανεπιστημίου εφηύρε το «έξυπνο» σύστημα που φέρει την ονομασία DeepCovid-Xr.
Συγκεκριμένα δημιούργησαν μια νέα πλατφόρμα τεχνητής νοημοσύνης με αλγόριθμο μηχανικής μάθησης, η οποία μπορεί να διαγνώσει τη νόσο Covid-19, αναλύοντας ακτινογραφίες ανθρώπινων πνευμόνων.
Μίλησε στο Alphanews.Live από το Σικάγο για το σπουδαίο δημιούργημα τους, τον σκοπό τους αλλά και τη μετέπειτα πορεία του συστήματος αυτού.
Τι είναι το «έξυπνο» σύστημα DeepCovid-XR και πώς ανιχνεύει τον κορωνοϊό
Εδώ και σχεδόν οκτώ μήνες ο καθηγητής Άγγελος Κατσάγγελος, έξι φοιτητές και ειδικοί πνευμονολόγοι του Πανεπιστημίου Northwestern, εργάζονται γύρω από ένα σύστημα το οποίο βασίζεται στην ιδέα της τεχνητής νοημοσύνης.
Ακολούθησαν ειδικά προγράμματα ώστε να «εκπαιδεύσουν» τον υπολογιστή, να διαχωρίζει αν μια ακτινογραφία Χ προέρχεται από ένα άτομο που έχει νοσήσει από Covid ή από κάποιον που δεν έχει.
Όπως εξήγησε χαρακτηριστικά, «δηλαδή δείχνουμε στον υπολογιστή χιλιάδες παραδείγματα από Covid, με θετικούς και αρνητικούς και ο υπολογιστής καταφέρνει από μόνος του να δει ποια είναι τα κύρια χαρακτηριστικά και μετά να μπορεί να διαχωρίζει αυτές τις δυο κατηγορίες. Στη δική μας έρευνα χρησιμοποιήσαμε κοντά στις 17 χιλιάδες ακτινογραφίες από ασθενείς, εκ των οποίων περίπου 5000 χιλιάδες ήταν θετικοί σε covid και οι υπόλοιποι δεν ήταν. Χρησιμοποιήσαμε deep learning systems δηλαδή συστήματα τεχνητής νοημοσύνης τα οποία προσομοιάζουν με τον τρόπο που μαθαίνουμε και εμείς...Aυτά τα νευρωνικά συστήματα από μόνα τους καθορίζουν ποια είναι αυτά τα κύρια χαρακτηριστικά στοιχεία, με τα οποία μπορούν να καθορίσουν αν είναι κάποιος θετικός ή αρνητικός…Για παράδειγμα κοιτούν αν έχει συσσωρευτεί υγρό στα πνευμόνια ή αν υπάρχει φλεγμονή στην περιοχή του πνεύμονα.»
Αποτέλεσμα σε 3 δευτερόλεπτα και με αρκετή ακρίβεια
Το σύστημα DeepCovid-XR δεν θα μπορούσε να είναι αλάνθαστο. «Σε κάποιες περιπτώσεις μπορεί να κάνει περίπου 18% λάθος. Όμως παρόλα αυτά οι έμπειροι ακτινολόγοι κάνουν μεγαλύτερο ποσοστό λάθους, της τάξεως 20-22% και αυτή είναι η επιτυχία μας» υπογράμμισε ο Έλληνας επιστήμονας.
Έτσι η εφαρμογή αυτή θα μπορούσε να είναι πιο χρήσιμη σε χώρες όπου δεν υπάρχουν έμπειροι και εξειδικευμένοι ακτινολόγοι. «Δηλαδή αυτό το σύστημα μπορεί να χρησιμοποιηθεί σε μια κλινική μιας επαρχίας της Αμερικής ή σε μια άλλη χώρα υπό ανάπτυξη...»
Σύμφωνα με τον καθηγητή, ακόμα ένα σημαντικό στοιχείο του συστήματος αυτού, είναι ότι παίρνει μόλις μερικά δευτερόλεπτα, περίπου τρία, για να αναλύσει την εικόνα και να καταλήξει σε διάγνωση. «Ενώ παίρνει 10 φορές περισσότερο στους εξιδεικευμένους γιατρούς-ακτινολόγους να κάνουν αυτή τη διάγνωση.»
Ποιος είναι ο σκοπός του
Ο καθηγητής Άγγελος Κατσάγγελος εξήγησε πώς η βασική τους ιδέα δεν είναι να αντικαταστήσουν τα PCR τεστ με τις ακτινογραφίες.
«Υπάρχει γενικά μεγάλη ανησυχία στα νοσοκομεία μας, ειδικά όταν κάποιος εισαχθεί για κάποιο άλλο λόγο, όπως καρδιακές αρρυθμίες και το άτομο αυτό είναι θετικό αλλά ασυμπτωματικό και φυσικά αν εισαχθεί στην κλινική θα μεταδώσει τη νόσο. Επομένως σε τέτοιες περιπτώσεις οι ακτίνες Χ είναι αρκετά διαδεδομένες, δηλαδή ένα άτομο το οποίο εισάγεται για καρδιακά προβλήματα, θα του πάρουν 3 με 10 ακτινογραφίες και μετά είναι κάτι πάρα πολύ απλό, αυτή η ακτινογραφία να εξεταστεί από αυτό το σύστημα και αν το σύστημα μας πει ότι είναι θετικό τότε μπορεί να ακολουθήσει εξέταση με PCR όπου θα επιβεβαιώσει αυτή τη διάγνωση του συστήματος.»
Ενδιαφέρον από Ολλανδία
Αξίζει επίσης να αναφερθεί πως το σύστημα αυτό, ήδη έχει καταφέρει να κερδίσει τον ενδιαφέρον κλινικών αλλά και επιστημόνων άλλων χωρών.
«Μας έχουνε ήδη προσεγγίσει πανεπιστημιακές κλινικές στην Νέα Υόρκη και από Ολλανδία, όπου θέλουν να αναπτύξουν το σύστημα, επομένως είναι πολύ πιθανόν να δοθεί έγκριση από το FDA για να μπορεί να δοθεί στην κλινική αλλά είναι κάτι που είναι πολύ πιθανόν να γίνει και σε σύντομο χρόνο. Επίσης έχουμε δει πως αρκετός κόσμος έχει κατεβάσει τον κώδικα του συστήματος για να το χρησιμοποιήσει στον υπολογιστή του. Το έχουμε διαθέσει σε οποιανδήποτε ενδιαφέρεται. Έχουμε ένα site που μπορεί κάποιος να το κατεβάσει ελεύθερα και αν χρειαστεί από εκεί και πέρα βοήθεια, μπορούμε να βοηθήσουμε.»
