![Τεχνητή νοημοσύνη με ελληνική συμμετοχή τα βάζει με θανατηφόρο καρκίνο του εγκεφάλου](https://www.in.gr/wp-content/uploads/2023/03/pexels-photo-4226264.jpeg)
Τεχνητή νοημοσύνη με ελληνική συμμετοχή τα βάζει με θανατηφόρο καρκίνο του εγκεφάλου
Μοντέλο μηχανικής μάθησης χαρτογραφεί με ακρίβεια τον όγκο πριν από το χειρουργείο ή την ακτινοθεραπεία.
Spotlight
-
Όταν έσβησε ο ήλιος: Μνήμες των hibakusha της Ιαπωνίας για την κόλαση της Χιροσίμα
-
Φιόνα Φον Τίσεν: Η σπάνια συνέντευξη της τελευταίας αγαπημένης του Αλέξανδρου Ωνάση
-
Μια μεγάλη καρδιά σε μικρή κουζίνα: Ο TikToker που μαγειρεύει σε άστεγους
-
Ούτε λίγο, ούτε πολύ - Μελέτη αποδεικνύει πως δεν υπάρχει «ασφαλής» ποσότητα κατανάλωσης αλκοόλ
Σύστημα τεχνητής νοημοσύνης που εκπαιδεύτηκε με απεικονιστικές εξετάσεις χιλιάδων ασθενών βελτιώνει την ακρίβεια της χαρτογράφησης όγκων στον εγκέφαλο, αναφέρει η μεγάλη ερευνητική ομάδα που το δοκίμασε, στην οποία περιλαμβάνονται και ερευνητές του Πανεπιστημίου Πατρών.
Η μελέτη, η οποία δημοσιεύεται στο έγκριτο περιοδικό Nature Communications, αφορά το διαβόητο γλοιοβλάστωμα, τον πιο συχνό και πιο επιθετικό καρκίνο του εγκεφάλου.
Για την αντιμετώπισή του με χειρουργείο ή ακτινοθεραπεία, οι γιατροί πρέπει να γνωρίζουν τα ακριβή όρια του όγκου, αφενός για να αποφύγουν την καταστροφή υγιούς ιστού, αφετέρου για να βεβαιωθούν ότι η θεραπεία καταστρέφει όλα τα καρκινικά κύτταρα.
Η μελέτη, με συντονιστή τον δρ Σπιρίδωνα Μπάκα του Πανεπιστημίου της Πενσιλβάνια, περιγράφει τη μεγαλύτερη μέχρι σήμερα δοκιμή τεχνητής νοημοσύνης για την αντιμετώπιση του γλοιοβλαστώματος, ένα μεγάλο εγχείρημα στο οποίο συνεργάστηκαν 71 ερευνητικά κέντρα σε όλο τον κόσμο.
Το μοντέλο μηχανικής μάθησης, με την ονομασία Federated Tumor Segmentation ή FeTS, εξέτασε 3,7 εκατομμύρια τομογραφίες εγκεφάλου από 6.314 ασθενείς.
Συγκριτικά με άλλα μοντέλα τεχνητής νοημοσύνης, το FeTS προσφέρει 33% μεγαλύτερη ακρίβεια στην αναγνώριση των ορίων του όγκου, αναφέρει η μεγάλη ερευνητική ομάδα, στην οποία συμμετείχαν οκτώ ερευνητές του Πανεπιστημίου Πατρών (Δημήτριος Καρδαμάκης, Πέτρος Ζαμπάκης, Βασίλειος Παναγιωτόπουλος, Παναγιώτης Τσίγκανος, Ηλίας Χαλιάσσος, Ευαγγελία Ζαχαράκη, Σωτήρης Αλεξίου, Κωνσταντίνος Μουστάκας).
Η προσέγγιση που ακολούθησε η μελέτη ονομάζεται Federated Learning (συνεργατική κατανεμημένη μάθηση, σε ελεύθερη απόδοση) και αφορά τον καταμερισμό της επεξεργασίας των δεδομένων σε επιμέρους κέντρα, χωρίς να μεταφέρονται εκτός νοσοκομείου τα δεδομένα των ασθενών.
Το Federated Learning «αφορά ένα δίκτυο σταθμών επεξεργασίας σε διαφορετικές τοποθεσίες όπου ο κάθε σταθμός επιλύει ένα μέρος του προβλήματος […] Είναι σημαντικό για τα νοσοκομεία γιατί δε χρειάζεται να παραδώσουν ευαίσθητα δεδομένα για επεξεργασία από τρίτους» εξηγεί στο in.gr ο Κωνσταντίνος Μουστάκας, καθηγητής του τμήματος Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών στο Πανεπιστήμιο της Πάτρας.
Η επιτυχία της μελέτης, προσθέτει, «είναι μία απόδειξη ότι η τεχνητή νοημοσύνη δίνει πλέον νέες προοπτικές, τόσο στην επίλυση προβλημάτων της Ιατρικής όσο και στους τρόπους συνεργασίας ερευνητικών και κλινικών κέντρων της υφηλίου».
- Μητσοτάκης για τελετή έναρξης Ολυμπιακών Αγώνων: Κάποια πράγματα αισθητικά μπορεί να μην μας άρεσαν
- Τροχαίο στη Μεσσηνία: «Πέρασε ώρα για να καταλάβουμε ότι υπήρχε δεύτερο αυτοκίνητο κάτω από την νταλίκα»
- Πόλεμος στη Γάζα: «Σφαγή» στο Χαν Γιούνις με πάνω από 170 θύματα – Πλησιάζουν τους 40.000 οι νεκροί Παλαιστίνιοι
Ακολουθήστε το in.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις