Με ενημέρωση των μελών του Ιατρικού Συλλόγου Θεσσαλονίκης για την ΑΙ έκλεισαν οι δράσεις του συλλόγου για τη συμπλήρωση 100 χρόνων από τη σύσταση του. Ειδικοί επιστήμονες, από την Ελλάδα και το εξωτερικό, συμμετείχαν σε ανοιχτές συζητήσεις και στρογγυλά τραπέζια ημερίδας όπου και μίλησαν για την τεχνητή νοημοσύνη και τις εφαρμογές της. Ο πρόεδρος Νίκος Νίτσας, με πρωτοβουλία του οποίου οι επετειακές εκδηλώσεις εστίασαν στο μέλλον, είπε χαρακτηριστικά «Πολλές φορές ακούμε από μηχανικούς των υπολογιστών ότι τρομάζουν με τη ραγδαία ανάπτυξη της ΑΙ, κάτι που μας ανησυχεί κι εμάς, ωστόσο ως ιατρική κοινότητα προτείνω να συνεργαστούμε μαζί τους ώστε να καθυποτάξουμε φόβους και ανησυχίες και να αξιοποιήσουμε τα νέα… δεδομένα για καλύτερη διάγνωση και θεραπεία».
«Η εφαρμογή έχει τη δυνατότητα για ακριβείς προγνώσεις σε επείγοντα χειρουργικά προβλήματα»

Μεταξύ πολλών αξιόλογων ομιλητών στην ημερίδα, ο Γεώργιος Βέλμαχος MD, PhD, MSEd καθηγητής χειρουργικής στην ιατρική σχολή του πανεπιστημίου Χάρβαντ, διευθυντής κλινικής τραύματος, επείγουσας χειρουργικής και εντατικής θεραπείας στο Γενικό Νοσοκομείο Μασαχουσέτης καθώς και επίτιμος διδάκτορας του τμήματος ιατρικής της σχολής επιστημών υγείας ΑΠΘ, ΕΚΠΑ και Θεσσαλίας, έκανε μια ομιλία με τίτλο “Artificial Intelligence, the Future of Medicine and… Potter”.
Μεταξύ άλλων είπε:
- Εγώ είμαι χειρουργός τραύματος και επείγουσας χειρουργικής και αυτός είναι ο κλάδος ο οποίος με αφορά. Και περιγράφω αυτή την έκρηξη της τεχνητής νοημοσύνης που θυμάμαι τότε το 2013-2014, λίγο πολύ εμείς τουλάχιστον στον χειρουργικό τομέα την πρωτογνωρίζαμε και αρχίζαμε να δουλεύουμε με αυτή την καταπληκτική καινούργια εξέλιξη και τώρα δεν μπορείς να ανοίξεις σε σένα χειρουργικό περιοδικό χωρίς να υπάρχουν 3-4 άρθρα τα οποία τα περισσότερα δεν προσφέρουν τίποτα καινούργιο.
- Αλλά θα περιγράψω τις δικές μας εργασίες γύρω από την τεχνητή νοημοσύνη και πώς αυτό μπορεί να βοηθήσει τον κλάδο μας. Και ο τρόπος που το περιγράφω αυτό είναι ως ιδιαίτερα όμορφος ιδιαίτερα «φοβιστικός», αλλά ούτως ή άλλως δεν γίνεται να το αποφύγεις. Όποτε λοιπόν ότι για τους νέους που βρίσκονται στο ακροατήριο είμαι σίγουρος ότι ήδη έχουν αγκαλιάσει το πεδίο της τεχνητής νοημοσύνης, παρά τις πολύ σωστές παρατηρήσεις που έχουν γίνει για το πώς αυτό μπορεί να οδηγήσει σε προβλήματα. Αλλά θέλω να πω και στους παλιότερους σύνεδρους της ημερίδας του ΙΣΘ εδώ ότι όσο και να προσπαθήσετε να αντισταθείτε στην τεχνητή νοημοσύνη, είναι ένα ποτάμι του έρχεται και το καλύτερο που πρέπει να κάνετε είναι να το αποσπαστείτε διότι είναι αναπόφευκτο.
- Η δικιά μας δουλειά άρχισε εκεί γύρω στο 2014, όταν είχαμε την τύχη να συνεργαστούμε με μια πανίσχυρη ομάδα από ΜΙΤ, μας χωρίζει το Χάρβαρντ και το ΜΙΤ ουσιαστικά ο ποταμός και το δικό μου το νοσοκομείο, το Γενικό Νοσοκομείο της Μασαχουσέτης. Είμαστε από τις δύο όχθες του ποταμού και εξ αυτού η συνεργασία είναι πολύ εύκολη. Και όπως έχω πει πάρα πολλές φορές οι γιατροί ξέρουν ακριβώς τι χρειάζεται να γίνει, αλλά δεν μπορούν να το φτιάξουν και οι μηχανικοί, οι engineers, μπορούν να φτιάξουν τα πάντα, αλλά δεν ξέρουν τι χρειάζεται στην ιατρική.
- Και καθώς προσπαθούσαμε να δημιουργήσουμε μοντέλα, το μεγαλύτερο πρόβλημα ήταν το εξής: Η επείγουσα χειρουργική είναι ένας κλάδος που αναμφίβολα στοιχίζει πάρα πολλές ζωές. Αναλογεί λοιπόν ένα τεράστιο ποσοστό στη γενικότερη μάζα των ανθρώπων που έρχονται στα νοσοκομεία και πολλές φορές ξεχνάμε πόσο σημαντικά είναι τα επείγοντα χειρουργικά στην επιβίωση και στην αποφυγή επιπλοκών. Έτσι λοιπόν είχαμε πάντα το πρόβλημα, όχι μόνο πώς θα θεραπεύσουμε, αλλά και πώς θα κάνουμε πρόγνωση για τα χειρουργικά προβλήματα, αυτά που ερχόντουσαν στη μέση του βραδιού.
- Όλα τα μοντέλα που υπάρχουν στην Αμερική ή τουλάχιστον που υπήρχαν μέχρι το 2015, δεν έκαναν διαφορά μεταξύ των παθήσεων που ήταν επείγουσες με μη επείγουσες. Έτσι λοιπόν προσπαθήσαμε να φτιάξουμε ιδιαίτερα σκορς για το πώς να μετράμε τα αποτελέσματα σε ανθρώπους με επείγουσες χειρουργικές παθήσεις και το καλύτερο σκορ, βάσει των δεδομένων που είχαμε, ήταν αυτό.
- Για αυτή τη διαδικασία η καλύτερη βάση δεδομένων που υπάρχει στη χειρουργική στην Αμερική λέγεται αυτό που βλέπετε στη βάση της οθόνης ACS NSQIP, δηλαδή American College ofSurgeons, το αμερικανικό Κολλέγιο χειρουργών, γιατί σε αυτό ανήκει η βάση δεδομένων, National Surgical Quality Improvement Project, που είναι μία βάση δεδομένων από στοιχεία που δίνουν στον κεντρικό οργανισμό του αμερικανικού κολλεγίου χειρουργών όλα τα νοσοκομεία της Αμερικής. Είναι μια τεράστια βάση δεδομένων – η οποία δεν παράγεται από διοικητικούς οι οποίοι μπορεί να είναι καταπληκτικοί κατά τα άλλα- αλλά δεν ξέρουν ιατρική σε βάθος αλλά παράγεται από εκπαιδευμένες νοσηλεύτριες και νοσηλευτές, οι οποίοι είναι εκπαιδευμένοι στην εξαγωγή των στοιχείων που χρειάζεται αυτή η βάση δεδομένων, οι οποίοι σε αυτά τα νοσοκομεία δεν έχουν άλλη δουλειά παρά μόνο την αποκλειστική υποχρέωση να παίρνουν τις ομάδες πληθυσμών, οι οποίες περιλαμβάνονται σε αυτή τη βάση δεδομένων, να εξάγουν τα στοιχεία που χρειάζονται οι φόρμες τις οποίες έχουμε φτιάξει και να τροφοδοτούν το λογισμικό, να τροφοδοτούν το μοντέλο που υπάρχει στα κεντρικά γραφεία του αμερικανικού κολλεγίου χειρουργών.
- Η ομάδα στο ΜΙΤ, σε συνεργασία με τη δικιά μας ομάδα από το Χάρβαρντ και το Γενικό Νοσοκομείο Μασαχουσέτης, όλοι μαζί φτιάξαμε μια καινούρια τεχνική. Αυτή καινούργια τεχνική δεν έχει υπάρξει ξανά στο πεδίο της τεχνητής νοημοσύνης και ο αποκλειστικός μας παράγοντας για να φτιάξουμε μια καινούργια τεχνική ήταν να δημιουργήσουμε μια τεχνική η οποία είναι σχετικά απλή στην εμφάνισή της και η οποία δίνει τη δυνατότητα των γιατρών που τη χρησιμοποιεί να καταλαβαίνει πώς βγαίνουν αυτά τα δεδομένα. Αυτή η τεχνική λοιπόν λέγεται Optimal Classification Trees. Και αυτή η τεχνική σε σχέση με τις κλασικές στατιστικές μεθόδους έχει τη δυνατότητα να χρησιμοποιεί λογισμικά μοντέλα τα οποία συνεχώς ανανεώνονται, συνεχώς μαθαίνουν από τις προηγούμενες χρήσεις, είναι διαδραστικά, μπορούν δηλαδή να μεταμορφώνονται ουσιαστικά ανάλογα με το χρήση που τα χρησιμοποιεί, ώστε να βγάζουν πιο καλά αποτελέσματα. Και βάσει της μεθοδολογίας που δημιουργήσαμε, φτιάξαμε μια εφαρμογή, η οποία μπορεί να χρησιμοποιείται χωρίς χρέωση, την έχουμε για να μπορεί να τη χρησιμοποιεί όλο το ιατρικό κοινό και το νοσηλευτικό κοινό.
- Στο αρχικό άρθρο το 2016 περιγράψαμε την εφαρμογή στο Analys of surgery και το σύστημα το οποίο είναι Predictive OptimalTrees in Emergency SurgeryRisk Calculator, από τα αρχικά βγαίνει POTΤER. Αν βάλετε POTTER MedicalRisk Calculator ή POTTERSurgery Risk Calculator θα σας βγει η εφαρμογή που περιγράφω εδώ. Και βάσει 382.000 αρρώστων που κάθε ένας από αυτούς είχε περίπου 200-300 στοιχεία για την ασθένειά του, κάναμε τις αναλύσεις μας.
Έτσι λοιπόν το POTTER έχει τη δυνατότητα να σας προσφέρει ακριβείς προγνώσεις όσον αφορά τους ανθρώπους με επείγοντα χειρουργικά προβλήματα και βέβαια εμείς είμαστε κατά βάθος στην καρδιά μας θεωρούμαστε χειρουργοί τραύματος και αμέσως μετά δημιουργήσαμε την ίδια διαδικασία για ανθρώπους με τραύματα. Μία πολύ ενδιαφέρουσα από τις πολλές μελέτες που κάναμε είναι εάν η τεχνητή νοημοσύνη συμπεριφέρεται καλύτερα από έναν πολύ έμπειρο χειρουργό ο οποίος μπαίνει μέσα στο δωμάτιο και απλώς βλέπει τον άρρωστο και βγάζει διάγνωση. Δηλαδή εάν ένας άρρωστος έχει μια πιθανότητα θανάτου 70%, ποιες είναι αυτές οι διαδικασίες που χρειάζεται να γίνουν ώστε να κατεβάσουμε το 70% στο 60%, στο 50%. Αυτό είναι το καινούργιο με την τεχνική νοημοσύνη και είμαι σίγουρος ότι θα το κατακτήσουμε σχετικά εύκολα.
Τα επτά θανάσιμα αμαρτήματα της ΑΙ: Μύθοι και προκλήσεις για τον χώρο της Υγείας

Ο πρόεδρος της Ελληνικής Εταιρείας Βιοιατρικής Τεχνολογίας ΕΛΕΒΙΤ &HL7Hellas, καθηγητής ιατρικής φυσικής και πληροφορικής στην ιατρική εκπαίδευση, καθώς και διευθυντής στο Εργαστήριο Ιατρικής Φυσικής και Ψηφιακής Καινοτομίας της ιατρικής στο ΑΠΘ Παναγιώτης Μπαμίδης στην ομιλία του, στο πλαίσιο των δράσεων για τα 100 χρόνια του ΙΣΘ, μίλησε για «τεχνητή νοημοσύνη και… υγεία».
Μεταξύ άλλων είπε:
- Θα ξεκινήσω από έναν απλοϊκό ορισμό της τεχνητής νοημοσύνης που νομίζω όλοι μας τον έχουμε κατανοήσει στις μέρες μας. Είναι ο τομέας αυτός που ασχολείται με τη σχεδίαση και υλοποίηση προγραμμάτων που μπορούν να μιμηθούν τις ανθρώπινες γνωστικές ικανότητες. Και τι εννοούμε όταν μιλάμε για ανθρώπινες γνωστικές ικανότητες; Μιλάμε να εμφανίσουν ανθρώπινη… συμπεριφορά όπως είναι η μάθηση, η επίλυση προβλημάτων, η κατανόηση της φυσικής γλώσσας και ούτω καθεξής.
- Έχει διάφορα τα οποία εξελίχθηκαν όπως οι έννοιες της πληροφορικής και της τεχνητής νοημοσύνης, ιδιαίτερες εφαρμογές στην υγεία. Καθένα από αυτά είχε και μία… αποτυχία. Για να φτάσουμε τα τελευταία 10 χρόνια στην εποχή της βαθιάς μάθησης, του deep learning που αποτελεί μια πολλά υποσχόμενη και διαφαινόμενη επιτυχής πλέον εφαρμογής της τεχνητής νοημοσύνης σε πολλούς κλάδους, συμπεριλαμβανομένης και της υγείας. Όταν μιλάμε για την υγεία, θα θέλαμε να έχουμε, να δούμε καλύτερη χρήση σε διάφορες ειδικότητες, όπως η ογκολογία παραδείγματος χάρη που αφορά πολλά προβλήματα και θέλουμε να κάνει πιο ακριβής τις προβλέψεις μας, τις εκτιμήσεις μας. Να μας βοηθήσει στην ανακάλυψη νέων φαρμάκων.
- Πριν από τέσσερα χρόνια, μου ζητήθηκε από ένα συνέδριο των χειρουργών να κάνω μία από τις πρώτες τότε ομιλίες για την εφαρμογή της τεχνητής νοημοσύνης στο χώρο της χειρουργικής. Είχα αναφερθεί τότε στα θανάσιμά αμαρτήματα της τεχνητής νοημοσύνης που είχαν να κάνουν με το ότι πολλές από αυτές τις έννοιες που προσπαθούμε να δούμε, είτε τις υπερεκτιμούμε είτε τις υποεκτιμούμε. Πολλές από αυτές τις έννοιες, μας ταλαιπωρούν ακόμη. Πολλά από αυτά τα θαύματα τα οποία βλέπουμε να κάνει η τεχνητή νοημοσύνη, φανταζόμαστε ότι είναι έτσι μαγικά και διάφορα άλλα αναφέρονται σε πολλές υπολογιστικές και μαθηματικές έννοιες πίσω από αυτά για να μπορέσουν να εφαρμοστούν. Πολλές από τις εφαρμογές έχουνε να κάνουνε με την ταχύτητα, με το πόσο γρήγορα θα εκτελέσει κάνεις κάποιες λειτουργείες. Αλλά εδώ θα πρέπει να επισημάνουμε, άλλο γρήγορο και άλλο ικανό. Άλλο δηλαδή να δώσουμε σε έναν αλγόριθμο να εκπονήσει τη διάγνωση και άλλο να δούμε πόσο ικανή και ακριβής είναι αυτή η διάγνωση. Πολλές από τις εφαρμογές έχουνε να κάνουνε με τη βαθιά μάθηση. Βαθιά μάθηση είναι μία, αν μου επιτρέπετε «όρος πιπίλα» την οποία όλοι μας θέλουμε να χρησιμοποιούμε καθώς το εργαστήριο μου είναι γωνιακό εντός εισαγωγικών. Στην Ιατρική είχα πάρα πολλούς «πελάτες» πάλι τα τελευταία χρόνια που ερχόταν με ένα σετ δεδομένων για να μπορέσουν να εφαρμόσουν τους αλγορίθμους βαθιάς μάθησης πάνω στο πρόβλημα που τους απασχολεί. Δε δουλεύει όμως μόνο έτσι το πράγμα. Θέλει πάρα πολύ ανθρώπινη προετοιμασία το σετ των δεδομένων πριν είναι ικανό να σου δώσει τα κατάλληλα αποτελέσματα.
- Η εκθετική ανάπτυξη έχει καταργηθεί πλέον ιδιαίτερα στο κομμάτι της τεχνητής νοημοσύνης και δε μπορούμε πλέον να προβλέψουμε εκθετικά τι θα είναι η επόμενη μας μέρα. Ένα προτελευταίο αμάρτημα που θα συνέδεα είναι ότι όλοι μας φανταζόμαστε ότι πολλά σενάρια όμορφα θα γίνουν στη δική μας υπηρεσία. Θέλουμε να φορέσουμε καινούργια ρούχα δηλαδή αλλά δε θέλουμε να αλλάξουμε τα καθεστώτα, δεδομένα επί διαδικασίες και τα λοιπά. Άρα φοράμε παλιά… παπούτσια και έτσι δε θα μπορούσαμε να αναμένουμε θεαματικά αποτελέσματα.
Και τέλος, πολλές από αυτές τις εξελίξεις φαντάζουν να είναι πολύ μακρινές και πολλές όμως θα έρθουν πάρα πολύ πιο γρήγορα. Πολλές όμως θα αργήσουν πάρα πολύ να έρθουνε, αν και φαίνονται πάρα πολύ γρήγορα και πολύ κοντά σε εμάς ήδη. Προφανώς όταν έρχεται μία τεχνολογία, το έχετε δει φαντάζομαι, τον κύκλο αποδοχής νέας τεχνολογίας με τον αρχικό ενθουσιασμένο, την κοιλάδα της απογοήτευσης και την επανεκτίμηση που εκείνη θα μας οδηγήσει παραγωγικότητα.
- Ψηφιακή υγεία αρχίζει και μας απασχολεί, μετασχηματίζει το χώρο της υγείας συνολικά και το θέμα είναι πόσο ώριμη είναι και η Ελλάδα και όλες οι χώρες για να υποδεχτούν αυτό το κομμάτι. Πολλές από αυτές τις μετρήσεις που λαμβάνουμε από… γκατζετάκια, όπως τα έξυπνα ρολόγια και τα λοιπά, αφορούν την υγεία μας όμως δεν έχουν αυτήν τη στιγμή καμία σχέση και συνάφεια με το σύστημα υγείας, δεν μπαίνουν πουθενά στο νέφος των δεδομένων που θα εξυπηρετήσει την υγεία. Υπάρχουν όμως πλάνα και στην ελληνική πραγματικότητα από τα υπουργεία ψηφιακής διακυβέρνησης και της υγείας για να μπορέσουν τελικά κι αυτές οι μετρήσεις να συνοδέψουν το φάκελο υγείας που διαφαίνεται να αρχίσει να λειτουργεί από τις αρχές του επόμενου έτους.
- Σε μία πρόσφατη όμως μελέτη που βλέπουμε τις παραμέτρους που καθορίζουν την υγεία, φαίνεται ότι πολλές από τις παραμέτρους που σήμερα καθορίζουν την υγεία μας είναι ψηφιακές. Οι 37 από τις αυτές τις 127 παραμέτρους που φαίνεται να καθορίζουν την υγεία είναι, συνδέονται με αυτά που ανέφερα προηγουμένως και είναι ψηφιακές. Άρα, θα μπορούσαμε να πούμε πως υπάρχει μία πλέον πραγματικότητα ψηφιακή, την οποία με έτσι πολύ μεντολλολογικό τρόπο περιέγραψαν οι δύο προηγούμενοι ομιλητές, όμως υφίσταντανται αυτή τη στιγμή, την αναγνωρίζουμε. Τι αναμένεται λοιπόν να αλλάξει; Εγώ θα αρχίσω από το πιο έτσι πρακτικό και ουσιώδες, μπορεί να αλλάξουν οι ορισμοί των ασθενειών και η ταξινόμηση τους. Η ταξινόμηση των ασθενειών στηρίζεται πολύ σε κοινωνικά φαινόμενα και πολλά άλλα συναφή τις ιατρικής εξέλιξης φαινόμενα. Σε δημοσίευση φαίνεται ότι θα πρέπει να συνυπολογίζουν ότι η Ιατρική του μέλλοντος, η Ιατρική της ακριβείας θα αλλάξει πολλές από αυτές τις ασθένειες και τις ταξινομήσεις τους.
- Ενδεχομένως θα μπορεί να αλλάξει και ο ιατρικός επαγγελματισμός, μιας που γιορτάζουμε και τα 100 χρόνια του Ιατρικού Συλλόγου Θεσσαλονίκης. Ενδεχομένως, ακόμα και το αυτό που είναι, θα το πω έτσι μεταξύ σοβαρού και αστείου και το Med Sales part, θα μπορούσαμε δηλαδή αντί για να μιλάμε για το ποιος έχει το πιο βαριά επιπλωμένο ή το κεντρικό, πιο γωνιακό ιατρείο, να μιλάμε για το ποιος έχει πιο εξοπλισμένο με ρομπότ ή chatbots ή συστήματα τεχνητής νοημοσύνης ιατρείο. Και ποιος συνεργάζεται με άλλες επιστημονικές ομάδες, μη ιατρικές αυτή τη φορά, για να μπορέσει να επιτύχει τους στόχους του.