Το PRECIOUS αποτελεί έναν πολύτιμο σύμμαχο στην ανάλυση διαφορετικών τύπων ιατρικών δεδομένων μεγάλου όγκου, με τελικό στόχο την Ιατρική Ακριβείας. Για τη σύγχρονη αυτή τεχνολογία, μιλάει στο oloygeia.gr, o καθηγητής Βιοϊατρικής Τεχνολογίας Δημήτριος Φωτιάδης.
Το Πανεπιστήμιο Ιωαννίνων και το Τμήμα Μηχανικών Επιστήμης, υπό την επίβλεψη του καθηγητή Βιοϊατρικής Τεχνολογίας Δημήτριου Φωτιάδη, παρουσιάζουν την ερευνητική υποδομή PRECIOUS. Αφορά στην υλοποίηση μιας καινοτόμας «πλατφόρμας νέφους» (cloud), η οποία θα παρέχει υπηρεσίες υγείας για την διασύνδεση ιατρικών κέντρων της Περιφέρειας, της Ελλάδας και του εξωτερικού, με στόχο την αποθήκευση, την ανάλυση δεδομένων και την περαιτέρω χρήση τους.
Το PRECIOUS, χάρη στους υπερυπολογιστές και τη χρήση τεχνητής νοημοσύνης, έχει την ικανότητα να αναλύει διαφορετικούς τύπους ιατρικών δεδομένων μεγάλου όγκου, όπως κλινικά, γενετικά, απεικονιστικά, εργαστηριακά δεδομένα, και άλλους τύπους δεδομένων, με τελικό στόχο την Ιατρική Ακριβείας.
Ο όρος «Ιατρική Ακριβείας» αποτελεί μια νέα προσέγγιση που προσαρμόζει την περίθαλψη στοχευμένα στις ιδιαίτερες ανάγκες κάθε ασθενούς με βάση το γενετικό προφίλ του και τα κλινικά ευρήματα.
Βασικός στόχος του έργου είναι η προώθηση της συνεργασίας μεταξύ των ιατρικών φορέων της Περιφέρειας Ηπείρου και κατ’ επέκταση Εθνικών και Ευρωπαϊκών φορέων υγείας, που θα αποτελέσουν τους τελικούς χρήστες της «πλατφόρμας νέφους» με στόχο την ανάπτυξη και παροχή υπηρεσιών Ιατρικής Ακριβείας.
Οι πάροχοι των ιατρικών δεδομένων θα μπορούν να διαμοιράζουν, να αποθηκεύουν και να διαχειρίζονται τα ευαίσθητα προσωπικά δεδομένα των ασθενών τους σε βάσεις δεδομένων εντός του «νέφους» το οποίο πληροί όλες τις προϋποθέσεις περί προστασίας προσωπικών δεδομένων βάσει του Γενικού Κανονισμού Περί Προστασίας Ιδιωτικών Δεδομένων.
Το oloygeia.gr απευθύνθηκε στον καθηγητή Βιοϊατρικής Τεχνολογίας Δημήτριο Φωτιάδη, προκειμένου να μας εξηγήσει τι σημαίνει πρακτικά αυτή η εφαρμογή PRECIOUS για τον γιατρό και τον ασθενή, τι Μονάδες Υγείας και το ευρύ κοινό.
Το PRECIOUS στην υπηρεσία του γιατρού και του πολίτη
Οι γιατροί μπορούν να διαμοιράζουν, να αποθηκεύουν και να διαχειρίζονται ευαίσθητα προσωπικά δεδομένα σε ιδιωτικές βάσεις δεδομένων εντός του “νέφους”. Μπορούν δε να χρησιμοποιούν εφαρμογές οι οποίες ήδη έχουν αναπτυχθεί (τεχνητής νοημοσύνης, μοντελοποίησης, κ.α.) για την εξαγωγή χρήσιμων συμπερασμάτων.
Υπάρχουν γιατροί οι οποίοι “τρέχουν” κλινικές μελέτες οι οποίες χρειάζονται χώρο αποθήκευσης, αλλά και σύστημα επεξεργασίας των δεδομένων. Αυτό είναι ένα παράδειγμα χρήσης. Γιατροί οι οποίοι είναι ερευνητές μπορούν να επεξεργάζονται δεδομένα (γενετικά, κλινικά, απεικονιστικά, τρόπου ζωής, κ.α.) για την ερευνά τους.
Ο πολίτης δεν μπορεί να είναι απευθείας χρήστης του συστήματος PRECIOUS. Όμως το σύστημα PRECIOUS κάνει χρήση δεδομένων ασθενών (διαμοιρασμός, βελτιστοποίηση, ομογενοποίηση, επεξεργασία και οπτικοποίηση) και έχουν αναπτυχθεί/μπορούν να αναπτυχθούν στο μέλλον εφαρμογές που έχουν άμεση σχέση με την υγεία του πολίτη (π.χ. εφαρμογή ανάλυσης ύπνου, εφαρμογή ανάλυσης βάδισης, αυτόματη αναγνώριση φαγητού, κ.α.).
Ο πολίτης επωφελείται από την τελική ανάπτυξη τέτοιων συστημάτων. Το σύστημα PRECIOUS ως άμεσους χρήστες έχει τους φορείς υγείας (νοσοκομεία, πανεπιστήμια, ερευνητικά κέντρα, επιχειρήσεις) οι οποίοι έχουν διαθέσιμα δεδομένα και θέλουν οποιασδήποτε μορφής επεξεργασία σε ένα σύστημα, όπως το PRECIOUS, το οποίο έχει μεγάλες δυνατότητες αποθήκευσης και υπολογιστικής ισχύος.
Η διασύνδεση Νοσοκομείων και Πανεπιστημίων
Οι φορείς υγείας μπορούν να εκτελέσουν υπηρεσίες ανάλυσης ιατρικών δεδομένων μεγάλου όγκου με την χρήση εξελιγμένων αλγορίθμων μηχανικής μάθησης με στόχο την ανάπτυξη υπολογιστικών μοντέλων, όπως είναι τα μοντέλα πρόβλεψης, τα μοντέλα διάγνωσης, τα μοντέλα πρόβλεψης της απόκρισης στην θεραπεία καθώς επίσης και η ανακάλυψη νέων βιοδεικτών.
Επιπλέον μπορούν να κάνουν χρήση υπηρεσιών για την αντιμετώπιση της ετερογένειας των ιατρικών δεδομένων όταν αυτά συλλέγονται από διαφορετικές πηγές και κέντρα (π.χ. μια πολυκεντρική μελέτη ή ύπαρξη δεδομένων από ιατρικούς φακέλους). Τελικά αυτό βοηθάει στην επίτευξη κάποιων στόχων της ιατρικής ακριβείας. Ο κύριος στόχος αυτών των φορέων είναι να επιτελέσουν υψηλού επιπέδου έρευνα η οποία έχει την ανάγκη υπολογιστικής υποδομής και εργαλείων λογισμικού/εφαρμογές που έχει στην διάθεσή του το PRECIOUS.
![](https://www.oloygeia.gr/wp-content/uploads/2023/08/%CE%A6%CE%A9%CE%A4%CE%99%CE%91%CE%94%CE%97%CE%A3-%CE%94%CE%97%CE%9C%CE%97%CE%A4%CE%A1%CE%97%CE%A3.jpg)
Ερωτηθείς ο κ. Φωτιάδης από το oloygeia.gr αν η εφαρμογή θα απευθύνεται στο ευρύ κοινό απάντησε:
Άμεσα όχι. Έμμεσα όμως όλα τα παραπάνω γίνονται γιατί θέλουμε να βελτιώσουμε την παροχή υγείας στον ασθενή. Για παράδειγμα, η εύρεση ενός βιοδείκτη δεν είναι δουλειά του ασθενή, όμως τελικά θα χρησιμοποιηθεί ως δείκτης μέτρησης μιας φυσιολογικής βιολογικής διαδικασίας ή εξέλιξης μιας νόσου ή της απόκρισης σε φάρμακο ή θεραπεία που αφορά τον ασθενή.
Είναι μια εφαρμογή που θα κατεβάζουμε στο κινητό μας;
Όχι, το PRECIOUS είναι μια υποδομή που μπορεί να βοηθήσει/υποστηρίξει την ανάπτυξη τέτοιων εφαρμογών, ιδιαίτερα αυτών που ενέχουν και τεχνητή νοημοσύνη και η εφαρμογή αυτή μετέπειτα μπορεί να κατέβει σε ένα κινητό.
Χαρακτηριστικό παράδειγμα είναι η εφαρμογή που αναπτύχθηκε από ερευνητές της Μονάδας Ιατρικής Τεχνολογίας και Ευφυών Πληροφοριακών Συστημάτων του Πανεπιστημίου Ιωαννίνων για την αυτόματη αναγνώριση φαγητού και σχετικών ποσοτήτων από μια φωτογραφία.
Το PRECIOUS είναι το μέσο το οποίο θα βοηθήσει ερευνητές του Πανεπιστημίου Ιωαννίνων, του ΙΤΕ αλλά και άλλων επιστημονικών φορέων αλλά και επιχειρήσεων να αναπτύξουν τέτοιες εφαρμογές.
Σημειώνεται ότι τέτοιου είδους εφαρμογές απαιτούν την ύπαρξη μεγάλου όγκου δεδομένων και υπολογιστική ισχύ (το PRECIOUS έχει 86000 CUDA cores) για την εκπαίδευση τέτοιων συστημάτων τεχνητής νοημοσύνης.
Πώς λειτουργεί το PRECIOUS;
Για να γίνει κατανοητή η υπολογιστική δύναμη του PRECIOUS, σκεφτείτε ότι σε ένα απλό λάπτοπ μπορεί να υπάρχουν 4 πυρήνες ενώ στο συγκεκριμένο σύστημα συνυπάρχουν 86.000 ειδικοί πυρήνες υπολογιστών. Η σύγχρονη αυτή υποδομή Ιατρικής Ακριβείας ακολουθεί έναν «οδικό χάρτη» που αποτελείται από πέντε κομβικά βήματα:
1. Την ανάπτυξη της αρχικής υποδομής «νέφους» και των μηχανισμών διαμοιρασμού και προσπέλασης των ιατρικών δεδομένων μεγάλου όγκου.
2. Την ανάπτυξη των υπηρεσιών ελέγχου ποιότητας, διαμοιρασμού και εναρμόνισης των ιατρικών δεδομένων.
3. Την ανάπτυξη των υπηρεσιών ανάλυσης δεδομένων, δηλαδή τον εντοπισμό επαναλαμβανόμενων συμπεριφορών στα δεδομένα, το «χτίσιμο» υπολογιστικών μοντέλων που κατατάσσουν τους ασθενείς ανάλογα με το ιατρικό παρελθόν και τις πιθανότητες να νοσήσουν, την οπτικοποίηση των ιατρικών δεδομένων μεγάλου όγκου, την ποσοτικοποίηση των φαινότυπων, κ.α.
4. Την πιλοτική εφαρμογή με δεδομένα που θα συλλεχθούν από τα ενδιαφερόμενα ιατρικά και κλινικά κέντρα της Περιφέρειας και της Ελλάδας.
5. Την εγκατάσταση της μονάδας υπέρ-υπολογιστικής ισχύος σε συστάδες (clusters) καθώς επίσης και την εγκατάσταση λογισμικού για τον εξειδικευμένο προγραμματισό των εικονικών μηχανών.
Όταν η υποδομή φτάσει σε πλήρη λειτουργία, οι χρήστες της πλατφόρμας θα μπορούν, να χρησιμοποιήσουν τις υπηρεσίες για τον διαμοιρασμό και τον έλεγχο ποιότητας των ιατρικών δεδομένων και να κάνουν χρήση των ιατρικών δεδομένων που θα έχουν αναλυθεί από εξελιγμένους αλγόριθμους μηχανικής μάθησης.
Επιπλέον, θα μπορούν να χρησιμοποιούν μοντέλα πρόβλεψης και μοντέλα διάγνωσης που σχετίζονται με την κατάλληλη θεραπεία ξεχωριστά για κάθε ασθενή.
Όλος αυτός ο όγκος πληροφοριών θα είναι οπτικοποιημένος με διαδραστικό τρόπο ώστε να είναι πιο εύκολη η διαχείριση των ιατρικών δεδομένων.
Η διασύνδεση των ιατρικών δεδομένων από τους συμμετέχοντες φορείς θα ενισχύσει σημαντικά τη στατιστική ισχύ των επιστημονικών μελετών σε διάφορες παθήσεις που απαιτείται πρόοδος καθώς απασχολούν όλο και μεγαλύτερο αριθμό πολιτών, όπως οι διάφοροι τύποι καρκίνου, τα καρδιολογικά νοσήματα, τα αυτοάνοσα νοσήματα, κ.ά.
Η υπολογιστική «πλατφόρμα νέφους» του PRECIOUS φιλοδοξεί να καλύψει το κενό που υπάρχει στις σύγχρονες υποδομές ιατρικής, να χρησιμοποιήσει την πλέον σύγχρονη τεχνολογία μηχανικής μάθησης και –χάρη σε αυτή- να διασυνδέσει και να αναλύσει ένα τεράστιο όγκο δεδομένων από διαφορετικά ιατρικά και κλινικά κέντρα.