Τεχνητή νοημοσύνη, ο καλύτερος γιατρός

«Ο πιο καλός ο μαθητής ήταν… η τεχνητή νοημοσύνη στην τάξη»! Και αυτός ο τόσο γρήγορος, έξυπνος και επιμελής «μαθητής» κατάφερε όχι μόνο να διαχωρίζει δύο βασικές, άκρως δύσκολες στη διάγνωση, μορφές καρκίνου του πνεύμονα με ακρίβεια της τάξεως του 97%, αλλά ακόμη και να εντοπίζει εν ριπή οφθαλμού μεταλλάξεις γονιδίων-«κλειδιών» σχετικά με την εξέλιξη της νόσου αλλά και την ανταπόκριση των ασθενών σε διαφορετικές θεραπείες. Ολα αυτά τα θαυμαστά μάλιστα συνέβησαν απλώς μέσω της ανάλυσης εικόνων από προγράμματα «μηχανικής μάθησης» (machine learning) χαρίζοντάς τους ένα (σχεδόν) 10΄ στο… απολυτήριο. Πού συνέβησαν; Στην Ιατρική Σχολή του Πανεπιστημίου της Νέας Υόρκης (NYU) από μια διεπιστημονική ομάδα (αποτελείται από ειδικούς στην ιατρική, στην πληροφορική, στην παθολογοανατομία, στην ανάλυση εικόνας) που θυμίζει τον… Οργανισμό Ηνωμένων Εθνών (συμμετέχουν επιστήμονες από την Ελλάδα, το Ιράν, τη Γαλλία, τη Βραζιλία, τις Φιλιππίνες, τη Σλοβενία, την Ουγγαρία, την Ινδία) με επικεφαλής τον αναπληρωτή καθηγητή στο Τμήμα Παθολογίας της Ιατρικής Σχολής του Πανεπιστημίου της Νέας Υόρκης (NYU School of Medicine) κ. Αριστοτέλη Τσιρίγο (και με τη συμμετοχή ενός ακόμη Ελληνα, του φοιτητή του Εθνικού Μετσόβιου Πολυτεχνείου κ. Θεόδωρου Σακελλαρόπουλου). Τα νέα αυτά εντυπωσιακά ευρήματα, που αποδεικνύουν περίτρανα τη δυναμική του πεδίου της τεχνητής νοημοσύνης (Αrtificial Intelligence, AI) στην ιατρική, δημοσιεύθηκαν την περασμένη Δευτέρα στην έγκριτη επιθεώρηση «Nature Medicine» χαράσσοντας ένα μέλλον στο οποίο οι (παν)έξυπνες μηχανές θα μετατρέπονται σε πολύτιμους συνεργάτες των γιατρών προς όφελος εκατομμυρίων ασθενών με πολλές και διαφορετικές νόσους.

Ας ξεκινήσουμε όμως τη σχολική ύλη από την αρχή. Οπως περιγράφει στο «Βήμα» ο κ. Τσιρίγος «ξεκινήσαμε τη συγκεκριμένη μελέτη το 2017 με στόχο να διερευνήσουμε αν οι σύγχρονες τεχνικές μηχανικής μάθησης μπορούν να προσφέρουν καλύτερη ακρίβεια διάγνωσης σε σχέση με τις «παραδοσιακές». Αφορμή αποτέλεσε μια μελέτη συναδέλφων από το Πανεπιστήμιο του Στάνφορντ η οποία είχε δημοσιευθεί το 2016 στην επιθεώρηση «Nature Communications». Στη μελέτη εκείνη οι ερευνητές προσπάθησαν να διαχωρίσουν περιπτώσεις δύο συχνά εμφανιζόμενων μορφών μη μικροκυτταρικού καρκίνου του πνεύμονα, συγκεκριμένα του αδενοκαρκινώματος και του πλακώδους καρκινώματος, με χρήση συμβατικών τεχνικών ανάλυσης εικόνων μικροσκοπίου – οι επιστήμονες εξέτασαν παραμέτρους όπως το σχήμα των κυττάρων, η μεταξύ τους απόσταση και η πυκνότητά τους. Οπως φάνηκε, η ακρίβεια της μεθόδου τους στον διαχωρισμό των δύο μορφών καρκίνου ήταν της τάξεως του 75%, γεγονός που μεταφράζεται στο ότι μία στις τέσσερις φορές η μέθοδος έκανε λάθος. Ετσι σκεφτήκαμε να διεξαγάγουμε μια αντίστοιχη μελέτη με εφαρμογή όμως αυτή τη φορά νέων προηγμένων τεχνικών και συγκεκριμένα με χρήση των αποκαλούμενων συνελικτικών νευρωνικών δικτύων (convolutional neural networks) για να διαπιστώσουμε αν μπορεί να επιτευχθεί μεγαλύτερο ποσοστό ακριβείας».

Οι νεότερες προσεγγίσεις που αφορούν την τεχνητή νοημοσύνη εμπνέονται από τα δίκτυα των νευρώνων στον ανθρώπινο εγκέφαλο. Χρησιμοποιούν όλο και πιο πολύπλοκα δίκτυα για την επεξεργασία πληροφοριών σε πολλαπλά επίπεδα. Κάθε βήμα της διαδικασίας τροφοδοτεί με πληροφορίες το επόμενο, ενώ κατά τη διάρκεια αυτής της διαδικασίας «σταχυολογούνται» οι πληροφορίες με βάση το πόσο σημαντικές είναι. Η ομάδα του NYU χρησιμοποίησε ένα πολυεπίπεδο νευρωνικό δίκτυο της Google, το Google Inception v3, για την ανάλυση εικόνων που ελήφθησαν από τον Cancer Genome Atlas, μια βάση που περιέχει εικόνες στις οποίες έχει ήδη γίνει διάγνωση των διαφορετικών μορφών καρκίνου του πνεύμονα σε εκατοντάδες ασθενείς.

Οι επιστήμονες σχεδίασαν ουσιαστικώς τεχνικές οι οποίες χάρισαν στο πρόγραμμά τους την ικανότητα να «αυτοεκπαιδεύεται» σε ένα συγκεκριμένο καθήκον, χωρίς καθοδήγηση από ειδικούς. Τέτοιου είδους προγράμματα χτίζουν μόνα τους κανόνες και μαθηματικά μοντέλα που τους επιτρέπουν να λαμβάνουν αποφάσεις με βάση τα παραδείγματα με τα οποία έχουν τροφοδοτηθεί. Ετσι, οι ερευνητές μπόρεσαν να διαπιστώσουν πόσο καλά το πρόγραμμά τους μπορεί να «εκπαιδευθεί» ώστε να κατηγοριοποιεί αυτόματα και με ακρίβεια τους φυσιολογικούς ιστούς αλλά και τους πάσχοντες. «Τα νευρωνικά δίκτυα» εξηγεί ο έλληνας καθηγητής «σε αντίθεση με τις παραδοσιακές προσεγγίσεις, αναγνωρίζουν από μόνα τους συγκεκριμένα χαρακτηριστικά των εικόνων ώστε να καταλήξουν σε διάγνωση. Το καταφέρνουν αυτό καθώς έχουν «εκπαιδευθεί» νωρίτερα μέσα από παραδείγματα, σε μια διαδικασία που αποτελεί ουσιαστικώς προσομοίωση της ανθρώπινης μάθησης χωρίς διδασκαλία. Η «εκπαίδευση» του δικτύου στην περίπτωσή μας διήρκεσε περί τις δύο εβδομάδες κατά τις οποίες τροφοδοτήσαμε το σύστημα με περίπου 400 εικόνες από την κάθε μορφή καρκίνου καθώς και με αντίστοιχο αριθμό εικόνων φυσιολογικού ιστού των πνευμόνων». Ετσι συνολικά το σύστημα «διάβασε» περί τις 1.200 εικόνες ώστε να είναι έτοιμο για τις… εξετάσεις του.

Και, όπως φάνηκε, τα πήγε περίφημα στις εξετάσεις. Η ακρίβεια στον διαχωρισμό μεταξύ των δύο μορφών καρκίνου του πνεύμονα ήταν 97%. «Ενας έμπειρος παθολογοανατόμος έχει λίγο χειρότερη επίδοση από το νευρωνικό δίκτυο» σχολιάζει ο κ. Τσιρίγος και προσθέτει ότι «στο μέλλον με ακόμη μεγαλύτερη «εκπαίδευση» το σύστημα μπορεί να γίνει εξυπνότερο. Οσο περισσότερα στοιχεία του παρέχουμε για εκπαίδευση τόσο καλύτερο γίνεται». Είναι άκρως ενδιαφέρον το γεγονός ότι, σύμφωνα με τα αποτελέσματα της μελέτης, περίπου στις μισές από τις εικόνες όγκων στις οποίες το πρόγραμμα τεχνητής νοημοσύνης έκανε λανθασμένη κατηγοριοποίηση, έκαναν λανθασμένη κατηγοριοποίηση και οι ειδικοί παθολογοανατόμοι – αυτό αποδεικνύει πόσο δύσκολος είναι ο διαχωρισμός μεταξύ των δύο μορφών καρκίνου του πνεύμονα που εξετάστηκαν. Ωστόσο, 45 από τις 54 εικόνες στις οποίες έκανε λάθος διάγνωση τουλάχιστον ένας έμπειρος παθολογοανατόμος κατηγοριοποιήθηκαν σωστά από το πρόγραμμα μηχανικής μάθησης, αποδεικνύοντας ότι η τεχνητή νοημοσύνη μπορεί να αποτελέσει έναν πολύ σημαντικό «συνεργάτη» των γιατρών. «Στη μελέτη μας επιτύχαμε να βελτιώσουμε την ακρίβεια διάγνωσης των παθολογοανατόμων μέσω της τεχνητής νοημοσύνης» ανέφερε σε σχετικό δελτίο Τύπου του Πανεπιστημίου της Νέας Υόρκης η Ναργκές Ραζαβιάν, επίκουρη καθηγήτρια στα Τμήματα Ακτινολογίας και Δημόσιας Υγείας, εκ των συγγραφέων της δημοσίευσης, και πρόσθεσε: «Η συνέργεια μεταξύ δεδομένων και υπολογιστικής δύναμης δημιουργεί ευκαιρίες άνευ προηγουμένου σε ό,τι αφορά τόσο την επιστήμη της ιατρικής όσο και την άσκηση της ιατρικής επιστήμης».

Αυτές οι άνευ προηγουμένου ευκαιρίες υψηλής (τεχνητής) νοημοσύνης που γεννιούνται πλέον φάνηκε να είναι ανεξάντλητες μέσα από τα νέα ευρήματα. Ιδού πώς: το σύστημα ΑΙ επέτυχε επίσης, μέσω και πάλι μόνο της ανάλυσης εικόνων, να προσδιορίσει αν τα κύτταρα που εξετάζονταν έφεραν μεταλλαγμένες εκδοχές έξι γονιδίων που συνδέονται με τον καρκίνο του πνεύμονα – συμπεριλαμβανομένων των γονιδίων EGFR, KRAS, STK11 και ΤP53, τα οποία θεωρούνται από τους κύριους γενετικούς «ενόχους» για εμφάνιση της νόσου – με ακρίβεια που κυμαινόταν από 73% ως 86%, ανάλογα με το γονίδιο. Συγκεκριμένα, ο κ. Τσιρίγος περιγράφει ότι για τα γονίδια EGFR και STK11 η ακρίβεια του συστήματος στον προσδιορισμό των μεταλλάξεών τους ξεπερνούσε το 80%. «Αυτού του είδους οι γονιδιακές μεταλλάξεις μπορούν να προκαλέσουν αλλαγές στο σχήμα των κυττάρων καθώς και στην αλληλεπίδρασή τους με το μικροπεριβάλλον τους, παρέχοντας έτσι ορατά στοιχεία άκρως πολύτιμα για την ανάλυση μέσω των νευρωνικών δικτύων» εξηγεί ο κ. Τσιρίγος.

Ο προσδιορισμός των μεταλλάξεων σε κάθε ασθενή είναι ζωτικής σημασίας στη σύγχρονη ιατρική η οποία αναζητεί και έχει επιτύχει σε ουκ ολίγες περιπτώσεις την εξατομίκευση. Υπάρχουν πλέον αρκετές στοχευμένες θεραπείες για τον καρκίνο, συμπεριλαμβανομένου του καρκίνου του πνεύμονα, οι οποίες είναι αποτελεσματικές μόνο ενάντια σε καρκινικά κύτταρα που φέρουν συγκεκριμένες μεταλλάξεις. «Για παράδειγμα, ποσοστό περίπου 20% των ασθενών με αδενοκαρκίνωμα του πνεύμονα είναι γνωστό ότι φέρουν μεταλλάξεις στο γονίδιο EGFR- epidermal growth factor receptor, υποδοχέας του επιδερμικού αυξητικού παράγοντα – και μπορούν να λάβουν εγκεκριμένες στοχευμένες θεραπείες για τη νόσο τους» εξηγεί ο καθηγητής και συμπληρώνει ότι «ακόμη και για γονίδια για τα οποία δεν υπάρχουν εγκεκριμένες θεραπείες, μπορεί να υπάρχουν πειραματικές και με τη βοήθεια της τεχνητής νοημοσύνης οι ασθενείς θα είναι σε θέση να μπαίνουν πολύ γρήγορα σε προγράμματα κλινικών δοκιμών. Ενα τέτοιο χαρακτηριστικό παράδειγμα αποτελεί το γονίδιο STK11 και οι μεταλλάξεις του. Μπορεί να μην υπάρχουν εγκεκριμένες θεραπείες για το συγκεκριμένο γονίδιο, υπάρχουν όμως πειραματικές θεραπείες και δοκιμές που τρέχουν αυτή τη στιγμή».

Βέβαια και σήμερα διεξάγονται γενετικά τεστ τα οποία επιβεβαιώνουν την παρουσία τέτοιων μεταλλάξεων στα κύτταρα των ασθενών. Ωστόσο μπορεί να χρειαστούν αρκετές εβδομάδες προκειμένου να εξαχθούν αποτελέσματα. «Είναι σημαντικό η έναρξη της θεραπείας για τον καρκίνο να γίνεται το συντομότερο δυνατόν. Η μελέτη μας παρέχει ισχυρές ενδείξεις ότι η τεχνητή νοημοσύνη μπορεί να προσδιορίσει αμέσως τόσο τον υπότυπο του καρκίνου του κάθε ασθενούς όσο και το προφίλ των μεταλλάξεών του δίνοντας τη δυνατότητα της συντομότερης δυνατής έναρξης της θεραπείας» υπογραμμίζει ο επιστήμονας.

Το άμεσο επόμενο βήμα για την ερευνητική ομάδα είναι, όπως μας πληροφορεί ο κ. Τσιρίγος, να συνεχίσει την εντατική εκπαίδευση του προγράμματος τεχνητής νοημοσύνης που διαθέτει ώστε να το καταστήσει ακόμη πιο ακριβές στις διαγνώσεις του. «Τροφοδοτούμε το σύστημα με στοιχεία κυρίως σε ό,τι αφορά τον προσδιορισμό μεταλλαγμένων γονιδίων που σχετίζονται με τον καρκίνο του πνεύμονα με στόχο να επιτύχουμε ακρίβεια μεγαλύτερη του 90%. Αν το καταφέρουμε αυτό, θα ζητήσουμε έγκριση από τους αρμόδιους οργανισμούς των ΗΠΑ για χρήση της τεχνολογίας στην κλινική πράξη και μάλιστα στη διάγνωση όχι μόνο του καρκίνου του πνεύμονα αλλά και άλλων μορφών της νόσου».

Διότι αυτού του είδους η… πανέξυπνη προσέγγιση φαίνεται να ανοίγει νέους δρόμους στην έγκυρη και έγκαιρη διάγνωση πλήθους ασθενειών. Ο έλληνας ερευνητής μάς λέει ότι η ομάδα μελετά ήδη τη χρήση της τεχνητής νοημοσύνης για διάγνωση των καρκίνων του προστάτη, του μαστού, του νεφρού, της ουροδόχου κύστεως και του ήπατος. «Μέχρι στιγμής τα αποτελέσματα που εξάγονται είναι θετικά και αντίστοιχα αυτών που έχουμε για τον καρκίνο του πνεύμονα, ωστόσο δεν μπορώ στη συγκεκριμένη φάση να επεκταθώ προτού γίνουν στο επόμενο διάστημα σχετικές δημοσιεύσεις».

H δυναμική τέτοιου είδους συστημάτων δεν εξαντλείται όμως, ως φαίνεται, στον καρκίνο, αλλά μπορεί να βρει εφαρμογή και σε άλλες νόσους. «Ηδη στο NYU αναμένεται να ξεκινήσουμε προγράμματα για διάγνωση της φυματίωσης αλλά και της επιληψίας. Στόχος μας είναι γενικά να ασχοληθούμε με περιπτώσεις νόσων που αποτελούν γρίφο για τους γιατρούς οι οποίοι καλούνται να κάνουν διάγνωση» σημειώνει ο έλληνας καθηγητής. Οπως όλα δείχνουν όμως, η λίστα των ασθενειών στις οποίες τα προγράμματα μηχανικής μάθησης θα μπορούν να προσφέρουν τις… διαγνωστικές υπηρεσίες τους συνεχώς θα μεγαλώνει. «Μελλοντικά τα προγράμματα θα μπορούν να διαβάζουν τα αποτελέσματα αξονικών και μαγνητικών τομογραφιών σε συνδυασμό με τα ιστοπαθολογικά ευρήματα και να κατηγοριοποιούν νόσους ή να υποδεικνύουν αν ένας ασθενής θα ανταποκριθεί σε μια θεραπεία. Το πεδίο είναι πολλά υποσχόμενο και αυτό το αποδεικνύει ήδη το γεγονός ότι έχουν έλθει σε επαφή με την ομάδα μας ερευνητές πολλών και διαφορετικών ειδικοτήτων της ιατρικής».

Το μέλλον λοιπόν διαγράφεται… τεχνητό, έξυπνο και άκρως ενδιαφέρον. Και το βασικότερο, η καλή… μαθήτρια τεχνητή νοημοσύνη, φαίνεται να έχει πολλά να μας διδάξει. Είναι ένα «μάθημα» στο οποίο δεν πρέπει να μείνουμε με τίποτα μετεξεταστέοι για το δικό μας καλό.

Μπορεί όλα αυτά που μόλις διαβάσατε να φαντάζουν πολύ προηγμένα και μακρινά για εμάς στην Ελλάδα της κρίσης, ωστόσο ο κ. Τσιρίγος επιθυμεί να στείλει ένα μήνυμα στους έλληνες επιστήμονες που είναι από εκείνους που δεν έφυγαν από τη χώρα (τουλάχιστον ακόμη, αφού η «διαρροή» φωτεινών επιστημονικών μυαλών προς το εξωτερικό τελειωμό δεν έχει) αλλά παλεύουν να δημιουργήσουν με τα (πολλές φορές πενιχρά) μέσα που έχουν. Οπως λέει, «η πρόοδος στην επιστήμη δεδομένων μπορεί να αγγίξει και τους έλληνες επιστήμονες της Ελλάδας εκτός από αυτούς του εξωτερικού. Στη χώρα μας υπάρχει πολύ καλό ανθρώπινο δυναμικό – το γνωρίζω από πρώτο χέρι καθώς ήδη η ομάδα μας στο Πανεπιστήμιο της Νέας Υόρκης συνεργάζεται στον τομέα της εξατομικευμένης ιατρικής με το Ιδρυμα Ιατροβιολογικών Ερευνών της Ακαδημίας Αθηνών και συγκεκριμένα με την ομάδα του καθηγητή κ. Βασίλη Γοργούλη. Και παρότι η τεχνητή νοημοσύνη δεν απαιτεί πλέον τόσο μεγάλες υποδομές – όσο περνούν τα χρόνια θα είναι ακόμη πιο προσβάσιμη από θέμα κόστους – ακόμη και αν ένας έλληνας επιστήμονας του εσωτερικού δεν τη διαθέτει στο εργαστήριό του, μπορεί να αναζητήσει συνεργασίες στο εξωτερικό, οι οποίες θα προσφέρουν όφελος και στις δύο πλευρές. Οι επιστήμονες του εξωτερικού θα έχουν τη δυνατότητα να αξιοποιήσουν τα λαμπρά ελληνικά μυαλά ενώ οι επιστήμονες στην Ελλάδα θα μπορούν να έχουν πρόσβαση στα υπολογιστικά συστήματα του εξωτερικού προάγοντας την έρευνά τους». Χρειάζεται αρετή, τόλμη και συνεργασία η επιστημονική πρόοδος που δεν γνωρίζει τελικά σύνορα και αποστάσεις. Μήνυμα εστάλη και ελπίζουμε να παραληφθεί από όσους περισσότερους γίνεται…

Ο καρκίνος του πνεύμονα, που ευθύνεται για το 34% περίπου των θανάτων από καρκίνο στους άνδρες και για το 23% στις γυναίκες, χωρίζεται σε δύο μεγάλες ομάδες: μικροκυτταρικού τύπου και μη μικροκυτταρικού τύπου.

Ο μικροκυτταρικός καρκίνος του πνεύμονα, που λέγεται επίσης και μικροκυτταρικό καρκίνωμα, αναπτύσσεται στις κεντρικές περιοχές του πνεύμονα και ευθύνεται για το 20% των καρκίνων του πνεύμονα. Παίρνει την ονομασία του από το μικρό, στρογγυλό ή οβάλ, σχήμα των καρκινικών κυττάρων, όταν μελετηθούν κάτω από το μικροσκόπιο. Θεωρείται ένας από τους πιο επιθετικούς καρκίνους και εκδηλώνεται σχεδόν αποκλειστικά σε καπνιστές.

Ο μη μικροκυτταρικός καρκίνος του πνεύμονα είναι ο πιο συνηθισμένος τύπος του καρκίνου του πνεύμονα. Οι τρεις βασικές κατηγορίες του τύπου αυτού είναι το αδενοκαρκίνωμα, ο καρκίνος του πλακώδους επιθηλίου ή πλακώδες καρκίνωμα και το μεγαλοκυτταρικό καρκίνωμα.

l Το αδενοκαρκίνωμα είναι ο συνηθέστερος τύπος καρκίνου του πνεύμονα στις γυναίκες και σε άτομα που δεν είναι καπνιστές. Συνήθως αναπτύσσεται στα κύτταρα του πνεύμονα που παράγουν βλέννη. Μπορεί να εξαπλωθεί στους λεμφαδένες σ’ αυτή τη συγκεκριμένη περιοχή του πνεύμονα ή μέσω της κυκλοφορίας του αίματος σε άλλα όργανα.

l Ο καρκίνος πλακώδους επιθηλίου αντιστοιχεί στο 25% με 30% των πρωτοπαθών καρκίνων του πνεύμονα. Είναι ο συνηθέστερος τύπος καρκίνου του πνεύμονα στους άνδρες. Η πλειονότητα των καρκινωμάτων του πλακώδους επιθηλίου προέρχεται από κύτταρα που επενδύουν τις μεγαλύτερες αεροφόρους οδούς των πνευμόνων (τους κεντρικούς βρόγχους).

l Το μεγαλοκυτταρικό καρκίνωμα εμφανίζεται στην περιφέρεια του πνεύμονα και εξαπλώνεται μέσω της κυκλοφορίας του αίματος. Ευθύνεται για το 15% με 20% των καρκίνων του πνεύμονα.