ΧΡΗΣΤΟΣ ΦΡΑΝΤΖΙΔΗΣ: «Η ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΑΛΛΑΖΕΙ ΡΙΖΙΚΑ ΤΗΝ ΥΓΕΙΑ»

Με την πρόοδο της τεχνητής νοημοσύνης, η υγεία αλλάζει ριζικά. Πώς ακριβώς μοιάζει αυτή η αλλαγή, σε τι έγκειται και πώς μπορούμε να την κατανοήσουμε; Ο Χρήστος Φραντζίδης, επίκουρος καθηγητής Πληροφορικής–Μηχανικής Μάθησης στο Πανεπιστήμιο του Λίνκολν, εξηγεί στο OW τα νέα δεδομένα.

Στην εποχή του ψηφιακού μετασχηματισμού, η τεχνητή νοημοσύνη δεν αποτελεί πια απλώς μια τεχνολογική καινοτομία· εξελίσσεται σε έναν από τους πιο κρίσιμους συμμάχους της υγείας. Από την ανάλυση δεδομένων έως τον εντοπισμό συμπτωμάτων μέσα από αφηγήσεις ασθενών, η σύγχρονη AI αλλάζει τον τρόπο με τον οποίο προλαμβάνουμε, διαγιγνώσκουμε και παρακολουθούμε τις ασθένειες.

Η πρόκληση όμως πλέον δεν είναι η ακρίβεια των μοντέλων – είναι το πώς θα διασφαλίσουμε ότι η τεχνολογία είναι ηθική, ισότιμη, προσβάσιμη και κλινικά χρήσιμη για όλους.

Για να κατανοήσουμε καλύτερα αυτή τη μετάβαση, μιλήσαμε με τον Χρήστο Φραντζίδη, επίκουρο καθηγητή Πληροφορικής–Μηχανικής Μάθησης στο Πανεπιστήμιο του Λίνκολν, ο οποίος συνδυάζει σύγχρονη έρευνα στην επεξεργασία φυσικής γλώσσας, την υγεία και τη νευροπλαστικότητα, αναπτύσσοντας μια σειρά από ψηφιακά εργαλεία αιχμής.

Ο Χρήστος Φραντζίδης είναι επίκουρος καθηγητής Πληροφορικής–Μηχανικής Μάθησης στο Πανεπιστήμιο του Λίνκολν. Φωτογραφία: Ανδρέας Σιμόπουλος

Σε ποιο σημείο βρισκόμαστε σήμερα όσον αφορά την εφαρμογή της τεχνητής νοημοσύνης στην υγεία;

Ήδη από τις δεκαετίες του ’80 και ’90 υπήρχαν οι πρώτες προσπάθειες εφαρμογής της τεχνητής νοημοσύνης στην υγεία. Στις πρώτες της εφαρμογές, η τεχνητή νοημοσύνη είχε έναν πολύ συγκεκριμένο στόχο: να λύσει ένα απολύτως οριοθετημένο πρόβλημα, για παράδειγμα να διαχωρίσει αν μία ιατρική εξέταση είναι φυσιολογική ή παθολογική. Αυτή ήταν η «στενή» τεχνητή νοημοσύνη. Σήμερα, όμως, έχουμε μετακινηθεί σε μοντέλα τα οποία προσεγγίζουν μια πιο γενικευμένη νοημοσύνη.

ΤΟ ΚΡΙΣΙΜΟ ΔΕΝ ΕΙΝΑΙ ΜΟΝΟ Η «ΕΥΦΥΪΑ» ΤΟΥ ΜΟΝΤΕΛΟΥ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ, ΑΛΛΑ ΤΟ ΚΑΤΑ ΠΟΣΟ ΤΗ ΧΡΗΣΙΜΟΠΟΙΟΥΜΕ ΜΕ ΤΡΟΠΟ ΗΘΙΚΟ, ΔΙΚΑΙΟ ΚΑΙ ΑΞΙΟΠΙΣΤΟ.

Από το 2015 και μετά, η πρόοδος σε big data και deep learning επέτρεψε στα μοντέλα να γίνουν πιο πολύπλοκα και πιο ικανά στη μίμηση της ανθρώπινης σκέψης, αυξάνοντας τα κρυφά στρώματα, τους υπολογισμούς και την ικανότητα κατανόησης μοτίβων. Αυτή η πρόοδος έχει αλλάξει ριζικά την υγεία, από τη διάγνωση μέχρι την πρόβλεψη και τη διαχείριση χρόνιων καταστάσεων.

Πόσο κοντά είμαστε στη χρήση γενικευμένης τεχνητής νοημοσύνης;

Βρισκόμαστε πιο κοντά από ποτέ, ειδικά μετά το 2022, με την εμφάνιση των μεγάλων γλωσσικών μοντέλων. Παρόλο που απέχουμε ακόμη από μια πλήρη ανθρώπινη ισοδυναμία, η πρόοδος είναι αλματώδης. Το κρίσιμο, ωστόσο, δεν είναι μόνο η «ευφυΐα» του μοντέλου, αλλά το κατά πόσο τη χρησιμοποιούμε με τρόπο ηθικό, δίκαιο και αξιόπιστο.

Ο ειδικός εξηγεί ότι με τη χρήση της προηγμένης τεχνητής νοημοσύνης βρισκόμαστε αυτή τη στιγμή στο επίκεντρο του ψηφιακού μετασχηματισμού της υγείας. Φωτογραφία: Ανδρέας Σιμόπουλος

Πού χρησιμοποιείται σήμερα η τεχνητή νοημοσύνη στην υγεία;

Η τεχνητή νοημοσύνη βρίσκεται σχεδόν παντού, στη διάγνωση παθήσεων μέσω ιατρικών εικόνων, στη μοντελοποίηση ασθενειών, στην επεξεργασία μεγάλων όγκων δεδομένων, στη δημιουργία ψηφιακών νοσοκομείων και «ψηφιακών νοσοκόμων» που θα είναι διαθέσιμοι 24 ώρες το 24ωρο, επτά ημέρες την εβδομάδα, στην εξατομικευμένη παρακολούθηση ασθενών μέσω κινητών συσκευών. Ουσιαστικά βρισκόμαστε στο επίκεντρο του ψηφιακού μετασχηματισμού της υγείας.

ΟΙ ΨΗΦΙΑΚΕΣ ΛΥΣΕΙΣ ΜΠΟΡΟΥΝ ΝΑ ΠΡΟΣΦΕΡΟΥΝ ΠΡΩΙΜΗ ΑΝΙΧΝΕΥΣΗ, ΚΑΘΗΜΕΡΙΝΗ ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΚΑΙ ΕΝΙΣΧΥΣΗ ΤΗΣ ΨΥΧΙΚΗΣ ΚΑΙ ΓΝΩΣΤΙΚΗΣ ΥΓΕΙΑΣ ΜΕ ΤΡΟΠΟ ΕΞΑΤΟΜΙΚΕΥΜΕΝΟ ΚΑΙ ΑΝΘΡΩΠΙΝΟ.

Ποια είναι η μεγαλύτερη πρόκληση στο μέλλον της AI στην υγεία;

Παρότι τα μοντέλα γίνονται ολοένα και πιο ακριβή, το κρίσιμο ερώτημα είναι αν εκπαιδεύονται με ηθικό και δίκαιο τρόπο. Ένα κλασικό παράδειγμα είναι η μηχανική όραση: πολλά μοντέλα εκπαιδεύονται πάνω σε δεδομένα από συγκεκριμένες ομάδες ανθρώπων (π.χ. κυρίως λευκούς μεσήλικες), με αποτέλεσμα να μην αποδίδουν το ίδιο καλά σε άλλες πληθυσμιακές ομάδες. Αυτό αποτελεί πραγματική ανισότητα και πρέπει να το διορθώσουμε.

Πώς εφαρμόζεται στην πράξη η τεχνητή νοημοσύνη στην υγεία;

Η τεχνητή νοημοσύνη μπορεί να εντοπίσει λεπτομέρειες σε ιατρικές εικόνες που ίσως ξεφεύγουν από το ανθρώπινο μάτι, να συνδυάσει δεδομένα από wearables, εφαρμογές, διατροφή, συμπτώματα και ύπνο, να παρέχει υποστήριξη μέσω chatbots ή «ψηφιακών προπονητών», να προσφέρει τεστ γνωστικών λειτουργιών που αλλάζουν δυναμικά και μοιάζουν περισσότερο με παιχνίδι παρά με κλινική δοκιμασία. Κατ’ αυτόν τον τρόπο, υπάρχει μια δυνατότητα καθημερινής παρακολούθησης, που δίνει μια πρωτόγνωρη ακρίβεια στη διάγνωση αλλά και στην πρόληψη.

Οι ψηφιακές εφαρμογές που αναπτύσσει η ομάδα του Χρήστου Φραντζίδη εστιάζουν μεταξύ άλλων σε ζητήματα όπως ο ύπνος και η κατάθλιψη. Φωτογραφία: Ανδρέας Σιμόπουλος

Πείτε μας πιο συγκεκριμένα για τα ψηφιακά εργαλεία που έχετε δημιουργήσει εσείς.

Στην ομάδα μας έχουμε αναπτύξει μια σειρά από ψηφιακές πλατφόρμες που αξιοποιούν την τεχνητή νοημοσύνη για την κατανόηση και υποστήριξη της ψυχικής και σωματικής υγείας. Αυτές είναι:

• Η πλατφόρμα sleepCare, που χρησιμοποιεί φυσική γλώσσα και μηχανική μάθηση για να ταξινομεί αφηγήσεις σχετικές με τον ύπνο σε πέντε κατηγορίες, όπως στρεσογόνα αίτια, νευροεκφυλιστικές διεργασίες ή προβλήματα αναπνοής. Με στόχο τη μακροχρόνια παρακολούθηση ύπνου σε απομακρυσμένα περιβάλλοντα.
• Η πλατφόρμα CREATE, που αποτελεί έναν συνδυασμό τέχνης, γνωστικής ενδυνάμωσης και συναισθηματικής ρύθμισης και δείχνει ότι η ψηφιακή εμπλοκή μπορεί να ενισχύσει ρυθμιστικές διαδικασίες συναισθήματος σε υγιείς ενήλικες.
• Το SYMPTOM, που έχει ως στόχο τον εντοπισμό συμπτωμάτων κατάθλιψης από σύντομες αφηγήσεις.

Ο κοινός παρονομαστής όλων αυτών των ψηφιακών εργαλείων είναι η αξιοποίηση του αδόμητου λόγου των ασθενών, καθώς οι αυθόρμητες αφηγήσεις περιέχουν πολύτιμες πληροφορίες που στο παρελθόν χάνονταν, ενώ τώρα μπορούμε να τις αξιοποιήσουμε χωρίς να απαιτούνται χρονοβόρες κλινικές δοκιμασίες.

Τέλος, αποτελούν παραδείγματα για το πώς οι ψηφιακές λύσεις μπορούν να προσφέρουν πρώιμη ανίχνευση, καθημερινή παρακολούθηση και ενίσχυση της ψυχικής και γνωστικής υγείας με τρόπο εξατομικευμένο και ανθρώπινο.

Οπότε τα εργαλεία αυτά είναι ουσιαστικά διαγνωστικά;

Όχι μόνο. Τα εργαλεία αυτά δεν στοχεύουν μόνο στη διάγνωση, αλλά και στην εκπαίδευση, στην ενίσχυση της νευροπλαστικότητας και στη βελτίωση της ψυχικής υγείας των χρηστών.