Πρώτο βραβείο σε έλληνες φοιτητές: Δημιούργησαν με Τεχνητή Νοημοσύνη σύστημα ιατρικών διαγνώσεων

Ερευνητική ομάδα του Οικονομικού Πανεπιστημίου Αθηνών κατακτά συνεχείς διακρίσεις σε διεθνή διαγωνισμό Τεχνητής Νοημοσύνης.

Ομάδα φοιτητών και ερευνητών του Τμήματος Πληροφορικής του Οικονομικού Πανεπιστημίου Αθηνών κατέκτησε φέτος την πρώτη θέση σε διεθνή διαγωνισμό τεχνητής νοημοσύνης, μια διάκριση την οποία πετυχαίνει συστηματικά τα τελευταία πέντε χρόνια.

 Πρόκειται για τον διαγωνισμό «ImageCLEFmed Caption», στον οποίο παίρνουν μέρος συστήματα ερευνητικών ομάδων, που με τη χρήση τεχνητής νοημοσύνης επιχειρούν να συνδέσουν αυτόματα ιατρικές εικόνες από ακτινογραφίες, υπερήχους, αξονικές και μαγνητικές τομογραφίες κλπ, με ετικέτες ιατρικών εννοιών για την καλύτερη διαχείριση μεγάλου όγκου δεδομένων, αλλά και να παράγουν κείμενα ιατρικών διαγνώσεων.

Η ερευνητική ομάδα Επεξεργασίας Φυσικής Γλώσσας του Οικονομικού Πανεπιστημίου Αθηνών κατέλαβε στον φετινό διαγωνισμό την πρώτη θέση στην αυτόματη ανάθεση ιατρικών ετικετών (Concept Detection) και την τρίτη θέση στην αυτόματη περιγραφή ιατρικών εικόνων (Caption Prediction).

Την ομάδα απαρτίζουν ο καθηγητής Τεχνητής Νοημοσύνης στο Τμήμα Πληροφορικής του Οικονομικού Πανεπιστημίου Αθηνών (ΟΠΑ) και συνεργαζόμενος ερευνητής της Μονάδας «Αρχιμήδης» του Ερευνητικού Κέντρου «Αθηνά», Ίων Ανδρουτσόπουλος, ο ερευνητής του Τμήματος Πληροφορικής του ΟΠΑ και του Πανεπιστημίου της Στοκχόλμης, Γιάννης Παυλόπουλος, ο υποψήφιος διδάκτωρ του Τμήματος Πληροφορικής του ΟΠΑ και διδακτορικός υπότροφος της Μονάδας «Αρχιμήδης», Γεώργιος Μοσχόβης, ο υποψήφιος διδάκτωρ του Τμήματος Πληροφορικής του ΟΠΑ, Φοίβος Χαραλαμπάκος, και ο μεταπτυχιακός φοιτητής του Προγράμματος Μεταπτυχιακών Σπουδών «Επιστήμη Υπολογιστών» του Τμήματος Πληροφορικής του ΟΠΑ, Παναγιώτης Κάλιοσης.

Η ομάδα του ΟΠΑ συμμετείχε στον διαγωνισμό με συστήματα βασισμένα σε βαθιά μάθηση (deep learning), μια μορφή μηχανικής μάθησης που χρησιμοποιεί βαθιά τεχνητά νευρωνικά δίκτυα για την κωδικοποίηση και κατηγοριοποίηση των εικόνων, καθώς και για την παραγωγή κειμένων, τεχνολογία που αξιοποιείται και από το ChatGPT. Η ομάδα ανέπτυξε νέες μορφές νευρωνικών δικτύων ειδικά για τον διαγωνισμό, αλλά και τροποποίησε υπάρχουσες μορφές συνδυάζοντας διαφορετικές μεθόδους μηχανικής μάθησης.

Αναμένεται να αντικαταστήσει τους γιατρούς;

Ο στόχος του διαγωνισμού, στον οποίο διακρίθηκε η ομάδα του ΟΠΑ, είναι τα συστήματα που έχουν δημιουργήσει να είναι σε θέση να υποστηρίξουν γιατρούς στην αναζήτηση ιατρικών εικόνων μέσω λέξεων- κλειδιών. Επίσης, να τους υποστηρίξουν παράγοντας αυτόματα προσχέδια ιατρικών γνωματεύσεων από εικόνες ιατρικών εξετάσεων, τα οποία στη συνέχεια θα τα ελέγχουν και θα τα βελτιώνουν οι γιατροί.

«Δεν προσπαθούμε να αντικαταστήσουμε τον άνθρωπο-γιατρό, προσπαθούμε να τον βοηθήσουμε. Για παράδειγμα ίσως είναι πιο γρήγορο και πιο εύκολο για ένα γιατρό να βλέπει μια αρχική μορφή της διάγνωσης και να τη διορθώνει ή να την εγκρίνει ο ίδιος από το να τη γράφει από την αρχή. Ή ίσως αν ένας γιατρός δεν είναι πολύ έμπειρος να μπορεί, αν δει μια πρώτη μορφή της διάγνωσης από ένα σύστημα εκπαιδευμένο σε διαγνώσεις πολλών άλλων έμπειρων γιατρών, να πάρει κάποιες ιδέες για ιατρικά ευρήματα που ίσως του έχουν διαφύγει», εξηγεί στο ΑΠΕ-ΜΠΕ ο καθηγητής Τεχνητής Νοημοσύνης του ΟΠΑ, Ίων Ανδρουτσόπουλος.

Πόσο πιθανό είναι, όμως, τέτοια εξελιγμένα συστήματα τεχνητής νοημοσύνης να αντικαταστήσουν στο μέλλον τους γιατρούς;

«Πάντα, ειδικά στις ιατρικές εφαρμογές, πρέπει να υπάρχει ο άνθρωπος γιατρός που θα παίρνει την τελική απόφαση και θα κάνει την τελική διάγνωση γιατί αυτός είναι που καταλαβαίνει καλύτερα και έχει και την τελική ευθύνη. Εξάλλου, ένας γιατρός κάνει πολύ περισσότερα πράγματα από τα συγκεκριμένα συστήματα. Δεν κοιτάζει μόνο τις εικόνες, παίρνει το ιστορικό του ασθενούς, μελετά προηγούμενες διαγνώσεις και μετρήσεις από εργαστηριακές εξετάσεις. Έχει πολλή περισσότερη πληροφορία και εμπειρία. Η ιατρική είναι μια ολόκληρη επιστήμη», απαντά ο Ίων Ανδρουτσόπουλος και ο Φοίβος Χαραλαμπάκος.

Ο διδακτορικός υπότροφος, Γιώργος Μοσχόβης, διευκρινίζει εξάλλου ότι «στο μέλλον, όσο βελτιώνονται τα συστήματα και η ποιότητα των δεδομένων, δηλαδή αν για παράδειγμα φτιαχτούν καλύτερα ιατρικά μηχανήματα που μας δίνουν καλύτερες ιατρικές εικόνες, θα έχουμε και καλύτερες αναπαραστάσεις των εικόνων, οπότε ενδεχομένως θα μπορέσουμε να βοηθήσουμε περισσότερο τον γιατρό. Και πάλι, όμως, δεν θα τον αντικαταστήσουμε».

Το μυστικό της επιτυχίας της ομάδας

Δεν είναι η πρώτη φορά που η ομάδα διακρίνεται στο διαγωνισμό αυτό, τον οποίο διοργανώνει η διεθνής μη κερδοσκοπική ένωση CLEF, μια σύμπραξη πανεπιστημίων με κύριους συμμετέχοντες το Πολυτεχνείο του Βουκουρεστίου στη Ρουμανία, το Πανεπιστήμιο Applied Sciences της Ελβετίας και το Τεχνικό Πανεπιστήμιο του Ντόρμουντ.

Την πρώτη θέση στην αυτόματη ανάθεση ιατρικών ετικετών καταλαμβάνει σταθερά η ομάδα Επεξεργασίας Φυσικής Γλώσσας του Τμήματος Πληροφορικής του ΟΠΑ από το 2019, οπότε άρχισε να συμμετέχει, ενώ στην κατάταξη για την αυτόματη περιγραφή ιατρικών εικόνων βρίσκεται τα τελευταία χρόνια σταθερά στην πρώτη τριάδα.

Το κλειδί για την επιτυχία της ομάδας, είναι, σύμφωνα με τον μεταπτυχιακό φοιτητή του Τμήματος Πληροφορικής του ΟΠΑ, Παναγιώτη Κάλιοση, ότι «βασιζόμαστε σε μεθόδους μηχανικής μάθησης, ιδιαίτερα βαθιάς μάθησης, που τα τελευταία χρόνια βρίσκονται στο προσκήνιο της τεχνητής νοημοσύνης, και τις εμπλουτίζουμε με νεότερες εξελίξεις, όπως αυτές που χρησιμοποιούνται στο ChatGPT, χωρίς όμως να παρασυρόμαστε από τη φήμη που έχουν αποκτήσει συγκεκριμένες μέθοδοι».

«Έχουμε εμπειρία από περισσότερες μεθόδους μηχανικής μάθησης, ακόμα και πιο παραδοσιακές που δεν χρησιμοποιούν νευρωνικά δίκτυα, και τις δοκιμάζουμε και τις συνθέτουμε όλες μαζί. Επιμένουμε λοιπόν να εξερευνούμε πολλές μεθόδους και όχι μόνο αυτή τη μία που μπορεί να είναι στα πρωτοσέλιδα αυτή την εποχή. Και αυτό μας ανταμείβει», προσθέτει χαρακτηριστικά ο κ. Ανδρουτσόπουλος.

Στόχος της ομάδας είναι να ανοίξει στο μέλλον διαύλους συνεργασίας με εταιρείες που παράγουν ιατρικό διαγνωστικό εξοπλισμό, ώστε να ενσωματωθεί η τεχνολογία που έχει αναπτυχθεί στα συστήματά τους.