Τις σημαντικές δυνατότες που προσφέρει η χρήση της Τεχνητής Νοημοσύνης (ΤΝ) σε εφαρμογές για τη δημόσια Υγεία διερεύνησε το τελευταίο πάνελ για την πρώτη ημέρα του συνεδρίου «22nd HealthWorld Conference» το οποίο διοργανώνεται σήμερα και αύριο από το Ελληνο-Αμερικανικό Εμπορικό Επιμελητήριο.
Εξηγώντας τι μπορούμε να περιμένουμε από την ΤΝ, ο κ. Νίκος Παραγιός, καθηγητής υπολογιστής επιστήμης και εφαρμοσμένων μαθηματικών στη Γαλλία, σημείωσε ότι πρόκειται κυρίως για τρεις λειτουργίες: 1. Αυτοματοποίηση, για παράδειγμα σε διοικητικά καθήκοντα, όπου το λογισμικό θα μπορεί να κάνει ό,τι ακριβώς κάνει ο άνθρωπος, όταν είναι εύκολο να εξηγηθεί η λογική πίσω από την εκάστοτε απόφαση 2. Η ανάπτυξη μιας παρόμοιας λογικής, με δημιουργικό τρόπο, χωρίς δηλαδή να αντιγράφει την ανθρώπινη λειτουργία. Για παράδειγμα, η διάγνωση μέσω μαστογραφίας η οποία απαιτεί την εκπαίδευση της ΤΝ σε μεγάλο όγκο δεδομένων και 3. «Η πρόγνωση όπου ο αλγόριθμος μας βοηθάει να καταλάβουμε ποια θα είναι η εξέλιξη της ασθένειας στο μέλλον και με αυτή την εξέλιξη είμαστε ικανοί να διαλέξουμε ποια είναι η πιο κατάλληλη θεραπεία για τον ασθενή», δηλαδή η εκπαίδευση της ΤΝ να προσφέρει περισσότερες πληροφορίες από όσες έχουν ήδη στη διάθεσή τους οι γιατροί.
Επί του παρόντος, όπως συζητήθηκε στο πάνελ, αυτή τη στιγμή η ΤΝ χρησιμοποιείται κυρίως για την διάγνωση, ακριβώς επειδή υπάρχουν δεδομένα από διαγνωστικές εξετάσεις, κατάλληλα για την εκπαίδευσή της, όπως αξονικές, μαγνητικές τομογραφίες, υπέρηχοι κοκ. «Σήμερα είμαστε ικανοί να δημιουργήσουμε αλγόριθμους που με αρκετά δεδομένα θα φτάσουν σε μια απόφαση που είναι πολύ κοντά στην απόδοση ενός μέσου γιατρού» σημείωσε ο κ. Παραγιός. Ο δεύτερος τομέας στον οποίο το πάνελ εκτίμησε ότι ήδη η ΤΝ έχει επιπτώσεις και αναμένεται να έχει ακόμα περισσότερες είναι στον τομέα της θεραπείας, καθώς αυξάνονται οι θεραπευτικές επιλογές για τους ασθενείς αλλά και οι διαθέσιμες πληροφορίες για τους γιατρούς προκειμένου να προχωρήσουν σε αποφάσεις. Ο τρίτος τομέας όπου η ΤΝ παίζει και θα παίξει στο μέλλον ακόμα πιο καθοριστικό ρόλο είναι η δημιουργία νέων φαρμάκων. «Το κόστος της δημιουργίας ενός φαρμάκου είναι τεράστιο» σχολίασε ο κ. Παραγιός εξηγώντας πώς η ΤΝ μπορεί να προβλέψει πού, πότε και πώς πρέπει να γίνει χρήση ενός φαρμάκου ώστε να επιταχυνθούν διαδικασίες και να μειωθούν συνεπώς οι δαπάνες, χρησιμοποιώντας μάλιστα το παράδειγμα της σκλήρυνσης κατά πλάκας και σχολιάζοντας τα όρια της ανθρώπινης αντίληψης, τα οποία ξεπερνά η ΤΝ προσφέροντας επιπλέον πληροφορίες στους θεράποντες ιατρούς.
Προκειμένου να επωφεληθούν οι άνθρωποι όσο πιο σύντομα και στον μέγιστο βαθμό από την ΤΝ, μια από τις πιο βασικές προϋποθέσεις κατά τον κ. Παραγιό, μεταξύ άλλων, είναι να ξεκινήσει μια κουλτούρα συνεργασίας στην ιατρική κοινότητα που αυτή τη στιγμή δεν υπάρχει, με στόχο την καλύτερη δυνατή δημιουργία βάσεων δεδομένων για την εκπαίδευση της ΤΝ. Ο κ. Σώτος Τσαφτάρης επεσήμανε και την ανάγκη της ορθής διάκρισης μεταξύ αντιστοίχισης και μεταξύ αιτίου αιτιατού, καθώς υπάρχει ο κίνδυνος κάτι να επαναλαμβάνεται χωρίς ωστόσο να συνεπάγεται άλλος συσχετισμός, χρήσιμος για τον ιατρικό στόχο.
Ο καθηγητής Τεχνητής Νοημοσύνης και Υπολογιστικής Όρασης στο πανεπιστήμιο του Εδιμβούργου, κ. Σώτος Τσαυτάρης, ο οποίος προσέγγισε την ανάπτυξη της ΤΝ μέσω μιας χρονικής διαδρομής, σημείωσε ότι όταν όλα αυτά τα εργαλεία θα είναι πραγματικά διαθέσιμα στους γιατρούς και άρα για κάθε έναν ασθενή θα μπορεί να γίνει μια πολύ συγκεκριμένη εκτίμηση των αναγκών του, αυτό θα συμπαρασύρει ολόκληρη την οργάνωση των συστημάτων Υγείας από την μικρότερη έως τη μεγαλύτερη κλίμακα αφού, για παράδειγμα, ένα νοσοκομείο θα είναι σε θέση να εκτιμήσει με πολύ μεγάλη ακρίβεια τις ανάγκες του σε προμήθειες, κλίνες, νοσηλευτές οδηγώντας στην μεγαλύτερη δυνατή βιωσιμότητα.
Ως προς το ποιες θα έπρεπε να είναι οι προτεραιότητες των συστημάτων Υγείας μπροστά στους νέους δρόμους που ανοίγονται, ο Ray Pinto, διευθυντής για τις πολιτικές ψηφιακού μετασχηματισμού του DIGITALEUROPE, ανέφερε ότι πρώτα από όλα χρειάζονται δεδομένα, τα οποία διαθέτουν μεν τα νοσοκομεία αλλά και οι εθνικές κυβερνήσεις. Ο ίδιος σημείωσε ότι είναι απαραίτητη η συνεργασία, περιλαμβανομένου του ιδιωτικού τομέα, ώστε να διασφαλιστεί η υψηλότερη δυνατή ποιότητα των διαθέσιμων δεδομένων, αφού πάνω σε αυτά εκπαιδεύεται η ΤΝ. Σε κάθε περίπτωση πάντως, αξίζει να επισημανθεί ότι στο πάνελ διατυπώθηκε η άποψη πως η ΤΝ δεν θα υποκαταστήσει τον γιατρό αλλά θα λειτουργήσει συμπληρωματικά προς αυτόν, ούτως ώστε να προσφέρονται στους ασθενείς καλύτερες και εξατομικευμένες υπηρεσίες Υγείας, με περισσότερες επιλογές, είτε όσον αφορά τις ρομποτικές εφαρμογές για παράδειγμα, είτε ως προς την φαρμακευτική προσέγγιση.
Την συζήτηση συντόνισε η Μαρία Γαζούλη, βιολόγος, καθηγήτρια Βιολογίας/Γενετικής-Νανοϊατρικής, Εργαστήριο Βιολογίας Ιατρικής Σχολής, Πανεπιστήμιο Αθηνών.
