Αθανάσιος Δ. Σιούλας
Γαστρεντερολόγος, Υπότροφος ΕΓΕ 2015
Clinical and Research Fellow
Universitätsklinikum Hamburg-Eppendorf (UKE)
Με τον όρο Τεχνητή Νοημοσύνη (ΤΝ) εννοείται ο κλάδος της επιστήμης των ηλεκτρονικών υπολογιστών που έχει ως αντικείμενο τη σχεδίαση και υλοποίηση ευφυών συστημάτων που μιμούνται στοιχεία της ανθρώπινης συμπεριφοράς όπως είναι η μάθηση, η κατανόηση, η προσαρμοστικότητα, η εξαγωγή συμπερασμάτων, η επίλυση προβλημάτων κ.ά. Εργαλείο της ΤΝ αποτελούν τα Τεχνητά Νευρωνικά Δίκτυα (ΤΝΔ) που συνιστούν μαθηματικά μοντέλα των οποίων η δομή και οι λειτουργίες βρίσκονται σε αντιστοιχία με τα βιολογικά νευρωνικά δίκτυα του εγκεφάλου.
Πιο συγκεκριμένα, τα ΤΝΔ αποτελούνται από μεγάλο αριθμό διασυνδεδεμένων μεταξύ τους υπολογιστικών κόμβων (νευρώνων) που μετά από κατάλληλη «εκπαίδευση» συνεργάζονται προς επίλυση των συγκεκριμένων προβλημάτων που τους τίθενται. Όπως παρουσιάζεται σχηματικά στο Σχήμα 1, κάθε νευρώνας του δικτύου δέχεται αριθμό δεδομένων (είσοδοι) τα οποία επεξεργάζεται βάσει της «εκπαίδευσης» που έχει προηγουμένως λάβει (με τη μορφή συναρτήσεων) και τελικά αποδίδει το αποτέλεσμα (έξοδος). Στην πράξη τα ΤΝΔ είναι πιο πολύπλοκα, αφού εκτός από τα στρώματα εισόδου και εξόδου συχνά έχουν και ενδιάμεσα («κρυφά») που υπεισέρχονται στην επεξεργασία των δεδομένων καθορίζοντας το τελικό αποτέλεσμα (βλ. Σχήμα 2).
Το πρώτο ΤΝΔ προτάθηκε από τους Mc Culloch και Pits στα 1943, ενώ η πρώτη εφαρμογή τους έγινε από τον Rosenblatt στα 1957 (δίκτυο perceptron). Τα τελευταία χρόνια τα ΤΝΔ εφαρμόζονται σε ένα εξαιρετικά ευρύ φάσμα τομέων της επιστήμης και τεχνολογίας και συγκεκριμένα στα οικονομικά, τη μηχανική, τη φυσική, τη γεωλογία, τη ρομποτική, τον τομέα επεξεργασίας εικόνας, την ιατρική, το διαδίκτυο κ.ά., η δε χρήση τους αξιοποιείται στην επίλυση προβλημάτων ταξινόμησης, ελέγχου και πρόβλεψης. Ειδικότερα στην ιατρική τα ΤΝΔ μελετώνται σχεδόν στο σύνολο των ειδικοτήτων. Τα χαρακτηριστικά της προσαρμογής και της μη γραμμικής συμπεριφοράς τα καθιστούν ικανά να επεξεργάζονται, μετά από κατάλληλη εκμάθηση, πλήθος δεδομένων και να δίνουν απαντήσεις σε προβλήματα της καθημερινής ιατρικής πράξης όπως είναι η ταξινόμηση-διάγνωση των νοσημάτων και η πρόγνωση των ασθενών.
Πλήθος αναφορών υπάρχει σχετικά με τις εφαρμογές των ΤΝΔ στην ειδικότητα της Γαστρεντερολογίας. Ενδεικτικά, στις οξείες αιμορραγίες του πεπτικού συστήματος έχουν χρησιμοποιηθεί στην αναγνώριση των ασθενών που θα χρειαστούν επείγουσα ενδοσκόπηση, στην πρόβλεψη της επαναιμορραγίας και στον καθορισμό της θνητότητας που συνοδεύει κάθε επεισόδιο. Χρήσιμη είναι, επίσης, η αξιοποίησή τους στην επιλογή εκείνων των ασθενών με πιθανολογούμενη χοληδοχολιθίαση που πρέπει να υποβληθούν σε θεραπευτική ERCP. Στους δυσπεπτικούς ασθενείς τα ΤΝΔ έχουν χρησιμοποιηθεί με επιτυχία στην ταξινόμησή τους (λειτουργική/οργανική δυσπεψία), καθώς και στην αναγνώριση των ασθενών με λοίμωξη από H.Pylori που θα ωφεληθούν από την αγωγή εκρίζωσης. Επιπρόσθετα, τα ΤΝΔ δύνανται να διαφοροδιαγνώσουν τη γαστροοισοφαγική παλινδρομική νόσο σε χωρίς ή με οισοφαγίτιδα, να προβλέψουν την ύπαρξη απομακρυσμένων μεταστάσεων σε πάσχοντες από ορθοκολικό καρκίνο, καθώς και τη συχνότητα και τη βαρύτητα των υποτροπών σε εκείνους με Ιδιοπαθή Φλεγμονώδη Νόσο του Εντέρου. Χρησιμοποιώντας μορφομετρικά ή/και απεικονιστικά δεδομένα τα ΤΝΔ είναι αποτελεσματικά στην ταξινόμηση κυτταρολογικών επιχρισμάτων του στομάχου και εστιακών βλαβών του ήπατος και του παγκρέατος. Τέλος, έχει δειχθεί πως κατάλληλα σχεδιασμένα ΤΝΔ είναι σε θέση να προβλέψουν την παρουσία πυλαίας υπέρτασης ή/και κίρρωσης του ήπατος και να καθορίσουν την παρουσία κιρσών και τη θνητότητα ασθενών με κίρρωση του ήπατος.
Από όσα παραπάνω ενδεικτικά αναφέρθηκαν, προκύπτει πως η ανάπτυξη των ΤΝΔ μπορεί να εξυπηρετήσει αποτελεσματικά θεμελιώδεις στόχους της κλινικής ιατρικής όπως είναι η έγκαιρη και έγκυρη διάγνωση, ο προσδιορισμός της πρόγνωσης και η χορήγηση της αποτελεσματικότερης θεραπευτικής παρέμβασης. Είναι, βέβαια, ξεκάθαρο πως η χρήση τέτοιων υπολογιστικών συστημάτων υποβοηθά και δεν υποκαθιστά την κρίση και τελική επιλογή του θεράποντος ιατρού.
Ενδεικτική βιβλιογραφία
- Rotondano G et al. Gastrointest Endosc. 2011;73:218-26
- Buri L et al. Am J Gastroenterol. 2010;105:1327-37
- Pace F et al. Eur J Gastroenterol Hepatol. 2007;19:1043-5
- Procopet B et al. Dig Liver Dis. 2015;47:411-6