Το Πανεπιστήμιο Λευκωσίας εταίρος σε ερευνητικό έργο για την καταπολέμηση των εγκεφαλικών παθήσεων

Το Πανεπιστήμιο Λευκωσίας συμμετέχει ως εταίρος στο πρόγραμμα ALAMEDA, μαζί με 14 άλλους οργανισμούς από 8 ευρωπαϊκές χώρες. Κοινή δέσμευσή τους, η έρευνα και η ανάπτυξη, με τη βοήθεια της τεχνολογίας της Τεχνητής Νοημοσύνης, εξατομικευμένων συστημάτων υποστήριξης υγειονομικής περίθαλψης για άτομα με εγκεφαλικές παθήσεις και διαταραχές. Το έργο εστιάζει ειδικά στη Νόσο του Πάρκινσον, τη Σκλήρυνση κατά Πλάκας καθώς και των Εγκεφαλικών Επεισοδίων. 

«Μέσω του Εργαστηρίου Τεχνητής Νοημοσύνης, το Πανεπιστήμιο Λευκωσίας θα συνεισφέρει σημαντικά στο έργο ALAMEDA, στους τομείς της Τεχνητής Νοημοσύνης, της Μηχανικής Μάθησης και της Επεξεργασίας Φυσικής Γλώσσας. Πιο συγκεκριμένα, μία από τις σημαντικότερες καινοτομίες που θα αναπτύξουμε, είναι η δημιουργία ενός "τεχνητού σύντροφου συνομιλίας", Chat-bot, που θα αλληλεπιδρά με ασθενείς και θα συλλέγει πληροφορίες με ένα μη παρεμβατικό τρόπο», δήλωσε ο Δρ. Ιωάννης Κατάκης, συντονιστής του προγράμματος ALAMEDA για το Πανεπιστήμιο Λευκωσίας. Ο Δρ. Κατάκης είναι Αναπληρωτής Καθηγητής στο Πανεπιστήμιο Λευκωσίας, στο Τμήμα Πληροφορικής, συνιδρυτής και συν-διευθυντής του Εργαστηρίου Τεχνητής Νοημοσύνης του Πανεπιστημίου.

Σχετικά με το Πρόγραμμα

Νέες προοπτικές για εξατομικευμένη υγειονομική περίθαλψη και πρόληψη έχουν δημιουργηθεί από τις πρόσφατες εξελίξεις στην τεχνολογία όπως η Τεχνητή Νοημοσύνη. Η ψηφιακή παρέμβαση στην Ιατρική είναι μια επείγουσα ανάγκη, λόγω της παγκόσμιας έλλειψης ανθρώπινου δυναμικού υγειονομικής περίθαλψης που αναμένεται να φτάσει σε έλλειμμα περίπου 4,1 εκατομμύριων επαγγελματιών υγείας (μαίες, νοσοκόμες και γιατροί) έως το 2030 στην ΕΕ, σύμφωνα με τον Παγκόσμιο Οργανισμό Υγείας.

Όσον αφορά στις ασθένειες του εγκεφάλου, η χρήση τεχνολογίας έχει αποδειχθεί ιδιαίτερα αποτελεσματική. Η Ανάλυση Μεγάλων Δεδομένων (Big Data Analytics) και η Μηχανική Μάθηση (Machine Learning), μπορούν να παρέχουν πληροφορίες που να υποβοηθούν τις ιατρικές συστάσεις και να οδηγούν σε αποτελεσματικότερες θεραπείες. Αυτό είναι ιδιαίτερα σημαντικό γιατί οι νευρολογικές διαταραχές ευθύνονται για την αύξηση των ετών ζωής που χάνονται λόγω κακής υγείας, αναπηρίας ή πρόωρου θανάτου, διατηρώντας την τρίτη θέση στον τομέα αυτό, μετά τον καρκίνο και τις καρδιαγγειακές παθήσεις.

Η φροντίδα ασθενών με εγκεφαλικές διαταραχές είναι περίπλοκη και τα συμπτώματα ορισμένων ασθενειών μπορούν να επιδεινωθούν με την πάροδο του χρόνου και να βλάψουν σοβαρά την ποιότητα ζωής των ασθενών και των φροντιστών τους. Ως εκ τούτου, θα πρέπει να διασφαλιστεί ότι οι ιατρικές παρεμβάσεις θα είναι αποτελεσματικές και ότι θα μπορούν να προβλεφθούν περιστατικά υποτροπής.

Οι καινοτομίες του έργου ALAMEDA θα αξιοποιήσουν νέα μοντέλα Μηχανικής Μάθησης, βασισμένα σε δεδομένα τρόπου ζωής, καθώς και νέες ροές δεδομένων για τους ασθενείς, που θα περιλαμβάνουν την παρακολούθηση καθημερινών δραστηριοτήτων, όπως τη συμπεριφορά κατά τον ύπνο και τη συναισθηματική κατάσταση. Το αποτέλεσμα είναι να έχουν οι ιατροί την ευκαιρία να τροποποιήσουν τις παρεμβάσεις τους βάσει των εξατομικευμένων δεδομένων που θα συλλέγονται.

Η τεχνολογία που θα αναπτυχθεί στο πλαίσιο του έργου, θα προσφέρει τη δυνατότητα δημιουργίας πλούσιων σε πληροφορία ροών δεδομένων. Στη συνέχεια, εφαρμόζοντας μεθόδους Μεγάλων Δεδομένων και Τεχνητής Νοημοσύνης, οι ροές αυτές θα παρέχουν έξυπνη εξατομικευμένη καθοδήγηση για την υγειονομική περίθαλψη του ασθενή, υποστηρίζοντας τις υπάρχουσες πρακτικές και τα ιατρικά πρωτόκολλα. Στα επόμενα χρόνια, η έρευνα αναμένεται να συντελέσει σε πρωτοφανή πρόοδο μέσω των εργαλείων πρόβλεψης κινδύνου, της μοντελοποίησης και της προηγμένης κατανόησης των ασθενειών.

Η χρήση μεθόδων Τεχνητής Νοημοσύνης (Ανάλυση Μεγάλων Δεδομένων και Βαθιά Μηχανική Μάθηση) ως εργαλείων πρόβλεψης είναι ιδιαίτερα σημαντική για τις εγκεφαλικές παθήσεις καθώς, σε πολλές περιπτώσεις, τη στιγμή που εκδηλώνονται τα κλινικά συμπτώματα (και οι ειδικοί μπορούν να βγάλουν οριστική διάγνωση) η κατάσταση είναι ουσιαστικά μη αναστρέψιμη. Υπό αυτό το πρίσμα, χρειάζονται καλύτερα εργαλεία για την ανίχνευση πρώιμων ενδείξεων της εγκεφαλικής νόσου. Οι εξελίξεις στη Μηχανική Νοημοσύνη οδηγούν σε ανάπτυξη αλγορίθμων που εντοπίζουν «κρυμμένα» μοτίβα στα δεδομένα, ανιχνεύουν ανωμαλίες στα «αναμενόμενα» πρότυπα και συσχετίζουν ασθενείς/ασθένειες/φάρμακα με βάση κοινά χαρακτηριστικά. Στην υγειονομική περίθαλψη αναμένεται ότι η Βαθιά Μάθηση θα ανοίξει νέους δρόμους ενισχύοντας τα παραδοσιακά συστήματα υποστήριξης κλινικών αποφάσεων, τη διάγνωση και την επιλογή θεραπείας. Αυτή η αλλαγή ενισχύεται από τις πρόσφατες εξελίξεις στην ψηφιοποίηση των αρχείων υγειονομικής περίθαλψης (ιατρικές αναφορές, εικόνες, δεδομένα αισθητήρων).

Η κοινοπραξία

Το ευρωπαϊκό πρόγραμμα ALAMEDA ξεκίνησε τον Ιανουάριο του 2021 και θα διαρκέσει 36 μήνες. Λαμβάνει χρηματοδότηση 6 εκατομμύρια ευρώ από το πρόγραμμα έρευνας και καινοτομίας Horizon 2020 της Ευρωπαϊκής Ένωσης, βάσει της συμφωνίας επιχορήγησης αριθ. GA101017558. Η κοινοπραξία του έργου περιλαμβάνει 15 εταίρους από 8 διαφορετικές ευρωπαϊκές χώρες. Αυτοί είναι: Institute Of Communication and Computer Systems (ICCS), Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών (ΕΚΠΑ), Εθνικό Κέντρο Έρευνας και Τεχνολογικής Ανάπτυξης (ΕΚΕΤΑ), και Enora Innovation, Εταιρεία Ψηφιακών Τεχνολογιών και Έργων Καινοτομίας Ιδιωτική Κεφαλαιουχική Εταιρεία (ΕΝΟ), από την ΕΛΛΑΔΑ, Wellics Ltd (WCS) από το ΗΝΩΜΕΝΟ ΒΑΣΙΛΕΙΟ, EY Advisory SPA (EY), Fondazione Italiana Sclerosi Multipla Onlus (FISM) και Pluribus One Srl (PLU) από την ΙΤΑΛΙΑ, Universitatea Politehnica Din Bucuresti (UPB) και Spitalul Universitar De Urgenta Bucuresti (SUUB) από τη ΡΟΥΜΑΝΙΑ, Norges Teknisk-Naturvitenskapelige Universitet (NTNU) από τη ΝΟΡΒΗΓΙΑ, Unisystems Luxemburg Sarl (UNISYS) από το ΛΟΥΞΕΜΒΟΥΡΓΟ, Wise Angle Consulting SL (WISE) από την ΙΣΠΑΝΙΑ, Catalink Limited (CTL) και Πανεπιστήμιο Λευκωσίας (UNIC) από την Κύπρο.