INCISIVE: Η τεχνητή νοημοσύνη στη μάχη κατά του καρκίνου

Οι λύσεις που θα αναπτυχθούν κατά τη διάρκεια του έργου θα εφαρμοστούν πιλοτικά σε 4 τύπους καρκίνου: α) πνεύμονα, β) μαστού, γ) παχέος εντέρου και δ) προστάτη. Οι πιλοτικές μελέτες θα πραγματοποιηθούν σε συνολικά οκτώ σημεία σε Ελλάδα, Σερβία, Ιταλία, Ισπανία και Κύπρο.

Το INCISIVE φιλοδοξεί να επιτρέψει τη λήψη αποφάσεων με υψηλή ακρίβεια και πληροφορία βελτιώνοντας την ευαισθησία και την ειδικότητα των μεθόδων απεικόνισης του καρκίνου με ακόμη χαμηλότερου κόστους μεθόδους, αυξάνοντας την ακρίβεια στη διάγνωση, την πρόβλεψη, την εξέλιξη και την υποτροπή του καρκίνου.

Το έργο έχει διάρκεια 42 μήνες και χρηματοδοτείται από την Ευρωπαϊκή Ένωση στο πλαίσιο του Προγράμματος Έρευνας και Καινοτομίας «Horizon 2020» και υλοποιείται από 26 οργανισμούς εννέα χωρών (Ιταλία, Ισπανία, Φινλανδία, Ελλάδα, Κύπρος, Σερβία, Βέλγιο, Ηνωμένο Βασίλειο και Λουξεμβούργο). Το ΑΠΘ συμμετέχει με μια διεπιστημονική ομάδα ερευνητών του Τμήματος Ιατρικής, με συντονίστρια την επίκουρη καθηγήτρια του Εργαστηρίου Ηλεκτρονικού Υπολογιστή, Ιατρικής Πληροφορικής και Βιοϊατρικής - Απεικονιστικών Τεχνολογιών του Τμήματος Ιατρικής του ΑΠΘ, Ιωάννα Χουβαρδά, και συνεργάτες από τα Νοσοκομεία «Παπαγεωργίου» και «Θεαγένειο», καθώς και με τα α) Εργαστήρια Ακτινολογίας-Ακτινοδιαγνωστικής και β) Ιατροδικαστικής και Τοξικολογίας του Τμήματος Ιατρικής.

Η συμμετοχή του Αριστοτελείου είναι διττή: αφενός αφορά την ανάπτυξη διαδικασιών εναρμόνισης δεδομένων και δημιουργίας συστημάτων στήριξης ιατρικής απόφασης που βασίζονται στην Τεχνητή Νοημοσύνη και αφετέρου τη συλλογή δεδομένων και την αξιολόγηση των προτεινόμενων μεθόδων.

Τα δύο κύρια αποτελέσματα στα οποία στοχεύει το έργο είναι:

- Η ανάπτυξη και εγκαθίδρυση μιας ολοκληρωμένης πλατφόρμας (εργαλειοθήκη) η οποία βασίζεται στην Τεχνητή Νοημοσύνη και θα αποτελείται από καινοτόμα μοντέλα, σε συνδυασμό με ένα σύνολο προβλεπτικών, περιγραφικών και προδιαγραφικών/προγνωστικών αναλυτικών εργαλείων που θα επιτρέπουν έτσι την πολυτροπική και πολυκάναλη διερεύνηση των διαθέσιμων πηγών δεδομένων (δεδομένα που προέρχονται από πολυποίκιλες και ετερογενείς πηγές). Η προσέγγιση αυτή περιλαμβάνει ένα σύστημα αυτόματου σχολιασμού (automated annotation) που βασίζεται στη Μηχανική Μάθηση και την παράλληλη παραγωγή δεδομένων με στόχο την εκπαίδευση αλγορίθμων στο ερευνητικό πεδίο της Τεχνητής Νοημοσύνης.

- Η ανάπτυξη ενός δια-λειτουργικού πανευρωπαϊκού ενοποιημένου αποθετηρίου ιατρικών εικόνων που θα επιτρέπει την ασφαλή απόθεση και κοινή χρήση δεδομένων, σύμφωνα με τις ηθικές και νομικές απαιτήσεις απορρήτου, επιτρέποντας την έρευνα και την εκπαίδευση με βάση την Τεχνητή Νοημοσύνη. Το αποθετήριο θα λειτουργεί με βάση την υψηλή υπολογιστική απόδοση, ως υπηρεσία, αποσκοπώντας στη βελτίωση του κόστους/απόδοσης στην εκτέλεση διεργασιών υψηλών υπολογιστικών απαιτήσεων χωρίς την ανάγκη για συντήρηση κοστοβόρου εξοπλισμού.

(ΑΠΕ-ΜΠΕ)