Οι ερευνητικές εξελίξεις των τελευταίων ετών, ακόμα και μηνών, έχουν δημιουργήσει ελπίδες στους ασθενείς και τις οικογένειές τους για καλύτερα αποτελέσματα στη διαχείριση των παθήσεων και για μελλοντικές ανακαλύψεις που θα φέρουν ενδεχομένως επαναστατικές αλλαγές. Από την πλευρά της η επιστημονική κοινότητα εκτός από τον καθημερινό ερευνητικό της αγώνα έχει και ένα ακόμα καθήκον: να είναι συνετή και να αντιμετωπίζει κάθε νέα ανακάλυψη υπό το πρίσμα της σωφροσύνης όταν ένα αποτέλεσμα δεν είναι οριστικό και επαρκώς τεκμηριωμένο.

Μάλιστα, τα τελευταία χρόνια όλο και πληθαίνουν τα δημοσιεύματα για τα «θαύματα» της Τεχνητής Νοημοσύνης στο ερευνητικό πεδίο -και όχι μόνο. Και σε αυτό το σημείο οι επιστήμονες εκφράζουν τον σκεπτικισμό τους, συνιστώντας... ψυχραιμία και εμπιστοσύνη στους γιατρούς οι οποίοι έχουν την πλήρη κλινική εικόνα των ασθενών που κουράρουν.

Ας δούμε όμως μερικά από τα πιο πρόσφατα επιστημονικά επιτεύγματα που αφορούν τη διάγνωση σοβαρών ασθενειών.

Τεχνητή νοημοσύνη και καρκίνος

Νέα εφαρμογή τεχνητής νοημοσύνης προβλέπει με ακρίβεια τον καρκίνο του μαστού πέντε χρόνια προτού αυτός εμφανιστεί και σε αντίθεση με προηγούμενες εφαρμογές, γνωρίζουμε πώς λειτουργεί αυτό.

Το νέο σύστημα τεχνητής νοημοσύνης, που ονομάζεται AsymMirai και απλοποιεί τα προηγούμενα μοντέλα συγκρίνοντας αποκλειστικά τις διαφορές μεταξύ του δεξιού και του αριστερού στήθους για την πρόβλεψη του κινδύνου. Θα μπορούσε ενδεχομένως να σώσει ζωές, να αποτρέψει περιττές εξετάσεις και φυσικά να εξοικονομήσει χρήματα στο σύστημα υγειονομικής περίθαλψης, λένε οι δημιουργοί του.

«Στην παραδοσιακή τεχνητή νοημοσύνη, του κάνεις μια ερώτηση και σου δίνει απλώς μια απάντηση, αλλά κανείς δεν ξέρει πραγματικά πώς παίρνει τις αποφάσεις του. Πρόκειται επί της ουσίας για ένα μαύρο κουτί», δήλωσε ο Jon Donnelly, διδακτορικός φοιτητής στο Τμήμα Επιστήμης Υπολογιστών του Πανεπιστημίου Duke στο Durham της Βόρειας Καρολίνας και πρώτος συγγραφέας μιας νέας δημοσίευσης στο Radiology που περιγράφει το μοντέλο.

Επιπλέον, ο Donnelly περιέγραψε το AsymMirai ως μια απλούστερη, πιο διαφανή και πιο εύχρηστη εκδοχή του Mirai, ενός πρωτοποριακού μοντέλου τεχνητής νοημοσύνης που έγινε πρωτοσέλιδο το 2021 με την υπόσχεση -τότε- να καθορίσει με πρωτοφανή ακρίβεια αν ένας ασθενής είναι πιθανό να πάθει καρκίνο του μαστού μέσα στην επόμενη πενταετία.

Ωστόσο, δεν μπορούμε να πούμε ότι βρισκόμαστε ακόμα στο σημείο στο οποίο οι ασθενείς, είναι πρόθυμοι να διακινδυνεύσουν την αναβολή μιας μαστογραφίας με βάση έναν αλγόριθμο.

Προκαρκινικές βλάβες του γαστρεντερικού σωλήνα

Η χρήση της τεχνητής νοημοσύνης στην ενδοσκόπηση μπορεί να συμβάλλει στην διάγνωση χωρίς βιοψία των προκαρκινικών βλαβών του γαστρεντερικού σωλήνα ώστε να εφαρμόζεται η σωστή θεραπεία και να αποφεύγονται άσκοπες επεμβάσεις, ανέφερε ο γαστρεντερολόγος, καθηγητής της Ιατρικής Σχολής ΕΚΠΑ, Κωνσταντίνος Τριανταφύλλου, σε πρόσφατο πανελλήνιο συνέδριο Γαστρεντερολογίας.

Όπως είπε, ο ίδιος η τεχνητή νοημοσύνη βοηθάει τον ενδοσκόπο, σε πραγματικό χρόνο κατά τη διάρκεια της ενδοσκόπησης και με τη βοήθεια του κατάλληλου λογισμικού, στην ανίχνευση και τον χαρακτηρισμό των βλαβών του γαστρεντερικού σωλήνα με ή χωρίς προοπτική να εξελιχθούν σε καρκίνο. Ωστόσο, καταλήγοντας ο κ. Τριανταφπύλλου τόνισε πως «Είναι σημαντικό να διευκρινίσουμε ότι η θέση της τεχνητής νοημοσύνης δεν είναι να αντικαταστήσει την ανθρώπινη, αλλά να την υποβοηθήσει. Πρόσφατες μελέτες έδειξαν ότι όταν δεν λαμβάνονται υπόψη οι δεξιότητες του ενδοσκόπου και τα χαρακτηριστικά της μηχανής, τα αποτελέσματα της εφαρμογής της τεχνητής νοημοσύνης είναι απογοητευτικά».

Το «εξελικτικό» δέντρο του προστάτη

Μέσα στη χρονιά που διανύουμε, Βρετανοί επιστήμονες έκαναν μια σημαντική ανακάλυψη στην έρευνα που διεξάγεται για τον καρκίνο του προστάτη με τη συμβολή της τεχνητής νοημοσύνης.

Συγκεκριμένα, επιστημονική ομάδα με επικεφαλής ερευνητές από τα Πανεπιστήμια της Οξφόρδης και του Μάντσεστερ, ανακάλυψε ότι ο καρκίνος του προστάτη, ο οποίος προσβάλλει 1 στους 8 άνδρες, αναπτύσσεται με δύο ξεχωριστούς τρόπους μέσα στο σώμα, με αποτέλεσμα να οδηγεί σε δύο διαφορετικούς υποτύπους. Η ανακάλυψη αυτή θα μπορούσε να φέρει επανάσταση στον τρόπο διάγνωσης και αντιμετώπισης της νόσου και να βοηθήσει στην ανάπτυξη εξατομικευμένων θεραπειών.

Η ερευνητική ομάδα χρησιμοποίησε τεχνητή νοημοσύνη για να μελετήσει αλλαγές στο DNA δειγμάτων καρκίνου του προστάτη από 159 ασθενείς. Εντόπισε δύο ξεχωριστούς τύπους καρκίνου μεταξύ αυτών των ασθενών και μπόρεσε να δημιουργήσει ένα «εξελικτικό δέντρο» που δείχνει πώς αναπτύχθηκε ο καθένας.

Πλέον, ερευνητές του The Pan Prostate Cancer Group σε συνεργασία με την Cancer Research UK (CRUK) στοχεύουν στην ανάπτυξη ενός γενετικού τεστ το οποίο όταν θα συνδυάζεται με συμβατική σταδιοποίηση και βαθμολόγηση θα παρέχει πιο ακριβή πρόγνωση για κάθε ασθενή.

Διαγνώσεις αυτισμού με σύστημα τεχνητής νοημοσύνης

Ένα πρόσφατα ανεπτυγμένο σύστημα τεχνητής νοημοσύνης που αναλύει εξειδικευμένες μαγνητικές τομογραφίες εγκεφάλου, διέγνωσε με ακρίβεια παιδιά ηλικίας 24 έως 48 μηνών με αυτισμό με ποσοστό ακρίβειας 98,5%.

Συγκεκριμένα, διεπιστημονική ομάδα ανέπτυξε ένα σύστημα τριών σταδίων για την ανάλυση και ταξινόμηση της μαγνητικής τομογραφίας διάχυσης, μιας ειδικής τεχνικής που ανιχνεύει τον τρόπο με τον οποίο το νερό ταξιδεύει κατά μήκος των οδών της λευκής ουσίας στον εγκέφαλο.

Το σύστημα τεχνητής νοημοσύνης περιλαμβάνει την απομόνωση εικόνων εγκεφαλικού ιστού από τις σαρώσεις της μαγνητικής τομογραφίας και την εξαγωγή απεικονιστικών δεικτών που υποδεικνύουν το επίπεδο συνδεσιμότητας μεταξύ των περιοχών του εγκεφάλου. Ένας αλγόριθμος μηχανικής μάθησης, εκπαιδευμένος να εντοπίζει περιοχές απόκλισης για να διαγνώσει εάν κάποιος είναι αυτιστικός ή νευροτυπικός, συγκρίνει τα μοτίβα των δεικτών στους εγκεφάλους των παιδιών με αυτισμό με εκείνα των φυσιολογικά ανεπτυγμένων εγκεφάλων.

Σακχαρώδης διαβήτης

Οι αλγόριθμοι της τεχνητής νοημοσύνης μπορούν σήμερα να εντοπίζουν μοτίβα για διάφορες παθολογικές καταστάσεις, βοηθώντας τους επαγγελματίες υγείας στην τελική διάγνωση και λήψη απόφασης για τη θεραπεία.

Πρόσφατη εφαρμοσμένη μελέτη της τεχνητής νοημοσύνης σε ομάδες εθελοντών από ερευνητές του εργαστηρίου Krick στον Καναδά (Dr. Kaufman-Ontario), δοκίμασε μια νέα εφαρμογή στο κινητό μέσω ενός προγράμματος «μηχανικής μάθησης» για τη διάγνωση του σακχαρώδη διαβήτη, χρησιμοποιώντας την ανάλυση της φωνής. Η έρευνα δημοσιεύθηκε στο Ιατρικό περιοδικό Mayo Clinic: Digital Ηealth. Συγκεκριμένα, εντοπίσθηκαν και επιβεβαιώθηκαν δεκαπέντε (15) διαφορές της φωνής ανάμεσα σε υγιείς και διαβητικούς, τις οποίες δεν μπορεί να εντοπίσει φυσιολογικά το ανθρώπινο αυτί, όπως την ένταση, τον τόνο, την χροιά, την συχνότητα κλπ και αφού πρώτα τις συσχέτισε και με καταχωρημένα ανθρωπομετρικά στοιχεία (φύλο, βάρος, ύψος, άλλες γνωστές πληροφορίες υγείας κλπ), έδωσε απάντηση για την ύπαρξη ή όχι Σακχαρώδη Διαβήτη τύπου 2. Το σύστημα μπόρεσε να προβλέψει με ακρίβεια την νόσο στο 89% των συμμετεχόντων γυναικών και στο 86% των αντίστοιχων ανδρών. Μάλιστα ο χρόνος για την διάγνωση ήταν από έξι (6) έως δέκα (10) δευτερόλεπτα μόνο με την ανάλυση της φωνής.

Αν και ο τομέας είναι αρκετά νέος, η τεχνητή νοημοσύνη έχει τη δυνατότητα να διαδραματίσει στο εγγύς μέλλον, σημαντικότατο ρόλο στο σύστημα υγειονομικής περίθαλψης.

Μια εξέταση αίματος για τη Σκλήρυνση Κατά Πλάκας

Η σκλήρυνση κατά πλάκας είναι ένα αυτοάνοσο νόσημα που προκαλείται από την καταστροφής τμημάτων του δικτύου νεύρων του εγκεφάλου και του νωτιαίου μυελού από το ανοσοποιητικό σύστημα.

Ενας αυξανόμενος όγκος στοιχείων υποδηλώνει ότι ο κύριος παράγοντας της πάθησης είναι ο ιός Epstein-Barr ο οποίος είναι γνωστός ως αδενικός πυρετός ή λοιμώδης μονοπυρήνωση. Η σχέση μεταξύ του ιού Epstein-Barr και της σκλήρυνσης κατά πλάκας εξετάζεται για περισσότερα από 20 χρόνια, με πολλαπλές μελέτες να αναδεικνύουν τον υψηλό επιπολασμό του ιού αυτού σε άτομα με σκλήρυνση κατά πλάκας. Όμως το 2022, μια μεγάλη μελέτη σε περισσότερους από 10 εκατομμύρια νέους ενήλικες παρείχε τελικά μια ισχυρή, επιδημιολογική βάση για τη σύνδεση αυτή.

Η μελέτη, η οποία παρακολούθησε τους συμμετέχοντες για 20 χρόνια, διαπίστωσε ότι ο κίνδυνος εμφάνισης σκλήρυνσης αυξήθηκε κατά 32 φορές μετά από μια μόλυνση με EBV. Καμία άλλη ιογενής λοίμωξη δεν φάνηκε να αυξάνει τον κίνδυνο εμφάνισης ΣΚΠ. Άλλες εργασίες έχουν επίσης δείξει ότι οι πρωτεΐνες που αποτελούν το EBNA-1 (συστατικό του ιού Epstein-Barr) και η μυελίνη (η εξωτερική επίστρωση των νεύρων μας) έχουν παρόμοια δομή. Η μυελίνη κανονικά διατηρεί τα νεύρα του ανθρώπου υγιή, αλλά στα άτομα με σκλήρυνση κατά πλάκας το ανοσοποιητικό σύστημα αναγνωρίζει τη μυελίνη ως ξένο εισβολέα και της επιτίθεται. Το εύρημα αυτό αποτελεί σημαντικό σημείο εκκίνησης για την έρευνα που διερευνά τους μηχανισμούς πίσω από την ανώμαλη αντίδραση του ανοσοποιητικού συστήματος που οδηγεί στη ΣΚΠ. Μπορεί επίσης να επιτρέψει στους ερευνητές να αναπτύξουν κάποτε καλύτερες θεραπείες για τη σκλήρυνση κατά πλάκας.

Με δεδομένο ότι για να αναπτυχθεί ένα αντιιικό φάρμακο για τον EBV, πρέπει να γνωρίζουμε πόσο ισχυρή είναι η απάντηση του ανοσοποιητικού συστήματος κατά του ιού Epstein-Barr στους ασθενείς με ΣΚΠ, ο Hugh Kearney Κλινικός Ανώτερος Λέκτορας Κλινικής Ιατρικής στο Trinity College του Δουβλίνου και η ερευνητική ομάδα που διευθύνει, έφτιαξαν μια εξέταση αίματος που ποσοτικοποιεί την ανοσολογική απόκριση του οργανισμού στον EBV.

Διαπιστώθηκε ότι η ανοσολογική απόκριση στον ιό Epstein-Barr ήταν υψηλή στα άτομα με σκλήρυνση κατά πλάκας, δίνοντας έτσι μια πιο ισχυρή επιστημονική υπόσταση στην ιδέα ότι η ανοσολογική απόκριση στον ιό είναι υπεύθυνη για την πρόκληση της ΣΚΠ.

Ο Hugh Kearney και οι συνεργάτες του εκτιμούν ότι η εξέταση αίματος που ανέπτυξαν έχει τη δυνατότητα να χρησιμοποιηθεί σε μελλοντικές κλινικές δοκιμές με χρήση αντιιικών ή εμβολίων κατά του EBV στη σκλήρυνση.

Με πληροφορίες από TheConversation.com, ΑΠΕ-ΜΠΕ, Ertnews