Από τις πρώτες κιόλας εβδομάδες μετά την κήρυξη της πανδημίας Covid-19, ειδικοί σε όλο τον κόσμο τόνισαν τον σημαντικό ρόλο που θα μπορούσε να έχει η Τεχνητή Νοημοσύνη στη διαχείριση μιας αρχικά άγνωστης κατάστασης που τελικά εξελίχθηκε σε παγκόσμια πρόκληση, με πολλαπλές επιπτώσεις πέραν του υγειονομικού πεδίου. Σχεδόν δύο χρόνια μετά η τεχνολογία που έχει συνδεθεί περισσότερο από οποιαδήποτε άλλη με την τέταρτη Βιομηχανική Επανάσταση, έχει καταστεί ένα από τα όπλα κατά του κορονοϊού.
Η ομάδα smarty4covid, που αποτελείται από ερευνητές δύο εργαστηρίων (BIOSIM και AILS) του Εθνικού Μετσόβιου Πολυτεχνείου, συνεργάζεται με την ιατρική και νοσηλευτική ομάδα του Πανεπιστημιακού Γενικού Νοσοκομείου Θεσσαλονίκης – ΑΧΕΠΑ για την συλλογή πρωτότυπων δεδομένων ηχητικών καταγραφών φωνής, βήχα και αναπνοής νοσηλευόμενων ασθενών με COVID-19 και στόχο τη δημιουργία μοντέλων πρόγνωσης για την εξέλιξη της νόσου.
Μιλώντας στο Liberal, η επιστημονική υπεύθυνη του έργου, Κωνσταντίνα Νικήτα, καθηγήτρια του ΕΜΠ και διευθύντρια του εργαστηρίου BIOSIM, εξηγεί ότι το smarty4covid είναι μια πλατφόρμα που συλλέγει δεδομένα από άτομα που έχουν προσβληθεί από Covid αλλά και από υγιή άτομα, με στόχο τον εντοπισμό παθολογικών μοτίβων. Τα δεδομένα εκτός από στοιχεία ιστορικού και δημογραφικά στοιχεία, περιλαμβάνουν καταγραφές φωνής, βήχα και αναπνοής σε καθημερινή βάση. Μέσα από αυτή την πληθώρα δεδομένων, στόχος είναι ο εντοπισμός παθολογικών σημείων που σχετίζονται με την νόσο και στη συνέχεια η εξαγωγή μοτίβων που θα χρησιμεύσουν για πρόγνωση. Δηλαδή για πρόβλεψη της εξέλιξης της νόσου και της πιθανότητας να προχωρήσει σε μορφή η οποία θα απαιτήσει νοσηλεία σε ΜΕΘ ή όχι.
Η συλλογή των δεδομένων γίνεται συστηματικά και με μεθοδικότητα από επαγγελματίες υγείας, σε καθημερινή βάση, ώστε να αποτυπώνουν τη διαδρομή της Covid σε κάθε ασθενή. Μέσα από αυτή τη διαδικασία, θα προκύψουν εξατομικευμένα ερμηνεύσιμα μοτίβα που θα καταστήσουν εφικτή την πρόβλεψη της διαδρομής της νόσου σε νέους ασθενείς, σημειώνει η Δρ. Κ. Νικήτα.
Όπως εξηγεί, η ανάλυση των δεδομένων αυτών γίνεται μέσω προηγμένων μεθόδων ερμηνεύσιμης τεχνητής νοημοσύνης που έχουν αναπτυχθεί από την ομάδα smarty4covid του ΕΜΠ. Για την εξαγωγή αξιόπιστων συμπερασμάτων απαιτείται η τροφοδοσία της πλατφόρμας με δεδομένα από εκατοντάδες ασθενείς, ώστε οι συσχετίσεις να προσφέρουν νέα γνώση που θα είναι αξιοποιήσιμη και για μελλοντικούς ασθενείς.
Η συγκεκριμένη προσέγγιση για την πρόβλεψη της εξέλιξης της νόσου σε ασθενείς με κορονοϊό, με βάση ηχητικές καταγραφές, εφαρμόζεται για πρώτη φορά διεθνώς. Σύμφωνα με την καθηγήτρια του ΕΜΠ, η ακρίβεια πρόβλεψης παθολογικών μοτίβων με χρήση ηχητικών δεδομένων για διάγνωση δεν ξεπερνά, διεθνώς, το 75%. Ωστόσο, ο στόχος των Ελλήνων ερευνητών είναι να επιτύχουν πολύ υψηλότερα ποσοστά ακρίβειας εστιάζοντας στη μελέτη της εξέλιξης ηχητικών καταγραφών στο ίδιο άτομο και περιορίζοντας, έτσι, πηγές μεταβλητότητας που σχετίζονται με τις ιδιαιτερότητες κάθε ατόμου.
Τέλος, η Δρ. Κωνσταντίνα Νικήτα επισημαίνει ότι καθώς η βάση δεδομένων θα εμπλουτίζεται συνεχώς με νέους ασθενείς, στους επόμενους δύο έως τρεις μήνες θα έχουμε τα πρώτα αποτελέσματα, τα οποία θα βελτιώνονται σταδιακά, αυξάνοντας την ακρίβεια των εξατομικευμένων προβλεπτικών μοντέλων καθώς η διαδικασία συλλογής δεδομένων θα εξελίσσεται.
