Ερευνητές από το Πανεπιστήμιο Heriot-Watt, το Πανεπιστήμιο Napier του Εδιμβούργου, το LSBU (το Πανεπιστήμιο South Bank του Λονδίνου) και το Ινστιτούτο Επιστήμης Υπολογιστών (ΙΠ) του ΙΤΕ-Ινστιτούτου Πληροφορικής Ίδρυμα Τεχνολογίας και Έρευνας (ΙΤΕ), αξιοποιούν τη δύναμη της τεχνητής νοημοσύνης για να δώσουν στους ασθενείς, που ζουν σε απομακρυσμένα μέρη, πρόσβαση σε έγκαιρη και δυνητικά σωτήρια ιατρική διάγνωση.
Αυτό το νέο σύστημα θα μπορούσε να μεταμορφώσει τον τρόπο με τον οποίο διαγιγνώσκονται ο καρκίνος του δέρματος και άλλες δερματικές παθήσεις σε απομακρυσμένες και υποεξυπηρετούμενες κοινότητες.
Το οικονομικό, offline εργαλείο αναλύει εικόνες δερματικών βλαβών και επισημαίνει πιθανές ανησυχίες για περαιτέρω ιατρική εξέταση, χωρίς να απαιτείται πρόσβαση στο διαδίκτυο ή άμεση επαφή με δερματολόγο.
Χρησιμοποιεί τεχνικές ταξινόμησης εικόνων τελευταίας τεχνολογίας για την ανίχνευση δερματικών παθήσεων σε πραγματικό χρόνο. Λειτουργεί σε φορητούς υπολογιστές Raspberry Pi, οι οποίοι είναι ενεργειακά αποδοτικοί, φθηνοί και ικανοί να εκτελούν πολύπλοκους υπολογισμούς, ανεξάρτητα από την υποδομή cloud.
Οι ασθενείς, που χρησιμοποιούν το σύστημα, φωτογραφίζουν ένα δερματικό πρόβλημα με μια μικρή κάμερα που είναι προσαρτημένη στη συσκευή Raspberry Pi. Στη συνέχεια, η εικόνα αναλύεται τοπικά σε σχέση με ένα τεράστιο σύνολο δεδομένων χιλιάδων εικόνων δερματικών βλαβών.
Με βάση αυτή τη σύγκριση, το σύστημα μπορεί να προσδιορίσει εάν η βλάβη μοιάζει με γνωστές περιπτώσεις καρκίνου του δέρματος ή άλλων δερματολογικών παθήσεων. Στη συνέχεια, η διάγνωση διαβιβάζεται σε έναν τοπικό πάροχο υγειονομικής περίθαλψης, ο οποίος μπορεί να ξεκινήσει ένα σχέδιο θεραπείας, εάν είναι απαραίτητο.
Αυτό που διακρίνει αυτό το εργαλείο από άλλες ιατρικές τεχνολογίες -σύμφωνα με το mugglehead.com- που βασίζονται στην τεχνητή νοημοσύνη είναι η ικανότητά του να λειτουργεί χωρίς σύνδεση στο διαδίκτυο.
Συνεπώς, η συσκευή είναι κατάλληλη για αγροτικές περιοχές στη Σκωτία, σε μέρη της Δυτικής Αφρικής και σε οποιαδήποτε άλλη περιοχή, όπου η πρόσβαση στο ευρυζωνικό δίκτυο ή η εξειδικευμένη φροντίδα είναι περιορισμένη. Επιπλέον, είναι πολλά υποσχόμενο για ασθενείς που είναι αδύναμοι ή δεν μπορούν να ταξιδέψουν για ιατρικά ραντεβού.
Το σύστημα επιτυγχάνει επί του παρόντος ακρίβεια έως και 85% στα διαγνωστικά του αποτελέσματα. Αναμένονται περαιτέρω βελτιώσεις, καθώς οι ερευνητές αποκτούν πρόσβαση σε πιο ποικίλα σύνολα δεδομένων και εφαρμόζουν προηγμένα μοντέλα μηχανικής μάθησης. Στόχος είναι η βελτίωση της αξιοπιστίας σε όλους τους τόνους του δέρματος, τους τύπους αλλοιώσεων και τις φωτογραφικές παθήσεις.
Πιστεύεται ότι είναι το πρώτο του είδους του
Οι ερευνητές παρουσίασαν πρόσφατα το πρωτότυπο στη σουίτα προηγμένων τεχνολογιών υγείας και φροντίδας της Heriot-Watt. Προσομοίωσαν τον τρόπο με τον οποίο η συσκευή θα μπορούσε να λειτουργεί σε οικιακό περιβάλλον ή σε κλινική πεδίου, δείχνοντας πώς επεξεργάζεται εικόνες τοπικά χωρίς να στέλνει δεδομένα σε εξωτερικούς διακομιστές. Η ομάδα σχεδίασε το σύστημα ώστε να είναι αρκετά απλό για χρήση από μη ειδικούς, παρέχοντας παράλληλα αξιόπιστες ιατρικές πληροφορίες.
Μια συνεργατική ομάδα από το Πανεπιστήμιο Heriot-Watt, το Πανεπιστήμιο London South Bank, το Πανεπιστήμιο Edinburgh Napier και το Ίδρυμα Έρευνας και Τεχνολογίας—Ελλάδας, στην Ελλάδα, αναπτύσσει το εργαλείο. Το έργο σηματοδοτεί την πρώτη προσπάθεια συνδυασμού διαγνωστικών με τεχνητή νοημοσύνη, με λειτουργικότητα εκτός σύνδεσης, ειδικά για απομακρυσμένες κοινότητες.
Η ομάδα έδωσε προτεραιότητα στην ανθεκτικότητα σε περιβάλλοντα με χαμηλούς πόρους καθ’ όλη τη διάρκεια της διαδικασίας σχεδιασμού. Ο δρ. Χρήστος Χρυσούλας, αναπληρωτής καθηγητής Επιστήμης Υπολογιστών στο Heriot-Watt, τόνισε ότι οι συσκευές υγειονομικής περίθαλψης πρέπει να συνεχίσουν να λειτουργούν ακόμη και αν οι υπηρεσίες cloud αποτύχουν ή οι συνδέσεις στο διαδίκτυο πέσουν.
«Οι συσκευές ηλεκτρονικής υγείας πρέπει να είναι σχεδιασμένες ώστε να λειτουργούν ανεξάρτητα από την εξωτερική συνδεσιμότητα, ώστε να διασφαλίζεται η συνέχεια της εξυπηρέτησης και της ασφάλειας των ασθενών», δήλωσε.
«Σε περίπτωση βλάβης δικτύου ή υπηρεσίας cloud, οι εν λόγω συσκευές πρέπει να παρουσιάζουν ασφαλείς βλάβες και να διατηρούν όλες τις απαραίτητες κλινικές λειτουργίες χωρίς λειτουργική υποβάθμιση».