Στοιχεία, σύμφωνα με τα οποία, από τους 100 ασθενείς υπό αναπνευστική υποστήριξη για 28 μέρες, το 60% είναι πιθανό να αναρρώσει, ενώ το 12% επιβιώνει χάρη σε κάποιο νέο φάρμακο και το 28% τελικά χάνει τη ζωή του παρά την θεραπεία με το νέο φάρμακο, παρουσίασε ο Βασίλης Σουμέλης, καθηγητής ανοσολογίας στο Universite Paris Cite και σύμβουλος ιατρός στο Hematology Hopital St Louis, Paris, μιλώντας στο 1ο Παγκόσμιο Πανομογενειακό Ιατρικό Συνέδριο.
Ο ίδιος επισήμανε ότι γίνονται προσπάθειες να μειωθεί το ποσοστό των ανθρώπων που χάνουν τη ζωή τους παρά τη θεραπεία και υπογράμμισε πως αυτό μπορεί να επιτευχθεί μέσω της τεχνητής νοημοσύνης και της συμβολής της στην εξατομικευμένη ιατρική αντιμετώπιση του καρκίνου.
Ο ίδιος εξήγησε ότι το πρόβλημα που καλείται να λύσει η επιστήμη είναι το πώς μπορούν πολλοί ασθενείς να ωφεληθούν πραγματικά από ένα εγκεκριμένο φάρμακο, σε πολλές θεραπείες, για διάφορες ασθένειες. Προς την κατεύθυνση αυτή το ζητούμενο είναι να εντοπιστούν, ανάμεσα στους ασθενείς, εκείνες οι υποομάδες τους που έχουν συγκεκριμένα κοινά χαρακτηριστικά.
«Από τον ετερογενή πληθυσμό το θέμα είναι να καταφέρουμε να εντοπίσουμε εκείνους τους ασθενείς που θα επωφεληθούν από μια θεραπεία σε ποσοστό 30%. Έπειτα καλούμαστε να ταξινομήσουμε τους ασθενείς με βάση βιολογικά, ραδιολογικά, ιστολογικά και κλινικά χαρακτηριστικά και μετά οφείλουμε να βρούμε έναν τρόπο να επιλέξουμε τους ανθρώπους αυτούς που βρίσκονται σε κλινική φροντίδα ρουτίνας ώστε να τους παρέχουμε την κατάλληλη θεραπεία» πρόσθεσε.
Πώς λειτουργεί η τεχνητή νοημοσύνη
Συγκεκριμένα ο κ. Σουμέλης παρουσίασε τον τρόπο με τον οποίο η τεχνητή νοημοσύνη μπορεί να βοηθήσει στον τομέα αυτό, κατά το συνέδριο που διοργανώνουν – στο πλαίσιο του ετήσιου Aristotle Medical Forum (AMF) – το Τμήμα Ιατρικής του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης σε συνεργασία με τη Γενική Γραμματεία Απόδημου Ελληνισμού & Δημόσιας Διπλωματίας του Υπουργείου Εξωτερικών.
«Η χρήση τεχνητής νοημοσύνης μπορεί να απλοποιήσει τα είδη των δεδομένων που θα χρησιμοποιήσει. Ένα παράδειγμα είναι η χρήση τεχνητής νοημοσύνης σε απλές μεθόδους δεδομένων για τον εντοπισμό κλινικά σχετικών υποομάδων ασθενών» τόνισε.
Εξήγησε, παράλληλα ότι η τεχνητή νοημοσύνη χρησιμοποιείται στην ανάλυση απεικονιστικών δεδομένων ιατρικών εργαστηριακών εξετάσεων και με τη βοήθεια της ανάλυσης αυτής προκύπτουν τμήματα της εικόνας που σχετίζονται με μια καλή ή με μια κακή πρόγνωση.
Αυτός είναι και ο τρόπος με τον οποίο εντοπίζονται χαρακτηριστικά τα οποία επιδρούν στους ασθενείς και μπορούν να αποτελέσουν προβλεπτικούς δείκτες για την μελλοντική πορεία της υγείας τους. Με άλλα λόγια, ένας αλγόριθμος δημιουργεί προγνώσεις επιβίωσης σε κακοήθειες και μέσω αυτού ανακαλύπτονται νέοι προγνωστικοί βιοδείκτες. Το μοντέλο που προκύπτει μπορεί να προβλέψει καλύτερα το προσδόκιμο επιβίωσης, εστιάζοντας στα πιο σχετικά στοιχεία.
«Η εξατομικευμένη ιατρική αντιμετώπιση του καρκίνου διασφαλίζει την σωστή ιατρική παρέμβαση στον σωστό ασθενή, τον σωστό χρόνο» υπογράμμισε ο κ. Σουμέλης.