Το ευρωπαϊκό ερευνητικό πρόγραμμα iASiS επιδιώκει να αποκρυπτογραφήσει δύο μεγάλες ασθένειες: τον καρκίνο του πνεύμονα και το Αλτσχάιμερ. Στο έργο ακολουθήθηκε μια προσέγγιση ιατρικής ακριβείας αναλύοντας πληροφορίες από ετερογενή δεδομένα ασθενών που παρέχονται από διαφορετικές πηγές.
Το iASiS, ένα τριετές πρόγραμμα Horizon2020 που φτάνει σύντομα στο τέλος του, ανέπτυξε μια ηλεκτρονική πλατφόρμα η οποία παρέχει εξατομικευμένη διάγνωση και θεραπεία για τους ασθενείς. Η γνώση που παρέχεται από την πλατφόρμα αυτή είναι πολύτιμη τόσο για τους γιατρούς όσο και τους υπεύθυνους χάραξης πολιτικής της Υγείας.
Τα τελευταία τρία χρόνια
Ερευνητές και γιατροί στην Ευρώπη συνεργάστηκαν με επιτυχία εφαρμόζοντας προηγμένες μεθόδους ανάλυσης δεδομένων για την ανακάλυψη μοτίβων, μετατρέποντας έτσι τα διαθέσιμα μεγάλα βιοϊατρικά δεδομένα (Big Data) σε γνώση χρήσιμη για τη λήψη αποφάσεων.
Τα δεδομένα που χρησιμοποιήθηκαν περιλαμβάνουν ηλεκτρονικά ιατρικά αρχεία, γονιδιακά δεδομένα, ιατρικές απεικονίσεις και τη διεθνή βιοϊατρική βιβλιογραφία. Τα δεδομένα αυτά αναλύονται και ενσωματώνονται σε μια καινοτόμα βάση δεδομένων που έχει τη μορφή δικτύου γνώσης. Το δίκτυο γνώσης του iASiS παρέχει χρήσιμες πληροφορίες για τις ασθένειες που αντιμετωπίζει το έργο και υποστηρίζει την ανακάλυψη σύνθετων αλληλεπιδράσεων ανάμεσα στις διάφορες παραμέτρους του προβλήματος. Για παράδειγμα, την επίδραση γονιδιακών παραγόντων στην πορεία μιας θεραπείας για τον καρκίνο. Ο απώτερος στόχος του έργου είναι η εξατομικευμένη διάγνωση και θεραπεία για κάθε ασθενή των δύο αυτών ασθενειών, με τη μακροπρόθεσμη φιλοδοξία αυτή η προσέγγιση να εφαρμοστεί και σε άλλες ασθένειες. Η μετατροπή αυτών των μεγάλων ποσοτήτων δεδομένων σε πρακτική γνώση θα επιτρέψει και τον καλύτερο προγραμματισμό των δραστηριοτήτων και των πολιτικών δημόσιας Υγείας.
Οι προκλήσεις της διαχείρισης μεγάλων δεδομένων
Η κοινοπραξία, η οποία απαρτίζεται από εννέα ευρωπαϊκούς οργανισμούς και ένα πανεπιστήμιο των ΗΠΑ, ξεκίνησε τις εργασίες της τον Απρίλιο του 2017 υπό τον συντονισμό του δρ Γιώργου Παλιούρα, διευθυντή Ερευνών στο Ινστιτούτο Πληροφορικής και Τηλεπικοινωνιών του ΕΚΕΦΕ «Δημόκριτος». Η βασική πρόκληση που κλήθηκαν οι ερευνητές να αντιμετωπίσουν από την αρχή του έργου αφορούσε την ποικιλομορφία και τον όγκο της διαθέσιμης πληροφορίας καθώς και τη μετατροπή της σε δεδομένα που μπορούν να επεξεργαστούν υπολογιστικές μέθοδοι. Η λύση σ’ αυτό το πρόβλημα δόθηκε με τη σημασιολογική ενσωμάτωση των δεδομένων στο δίκτυο γνώσης του iASiS.
Τα δεδομένα που συγκεντρώνει η πλατφόρμα του iASiS αναλύονται με τη χρήση μεθόδων Τεχνητής Νοημοσύνης (Artificial Intelligence) προκειμένου να εντοπιστούν χρήσιμα πρότυπα και συσχετίσεις. Η γνώση που αντλείται με αυτόν τον τρόπο βοηθά στην παροχή καλύτερης φροντίδας του ασθενούς, τη μείωση των σφαλμάτων και την αύξηση της εμπιστοσύνης στην ανταλλαγή δεδομένων.
Ένα δίκτυο συνεργασίας
Ως πιλότοι για το έργο επιλέχθηκαν δύο πολύ διαφορετικές ασθένειες με μεγάλο αντίκτυπο στην ανθρώπινη υγεία και την κοινωνία ευρύτερα. Για τον καρκίνο του πνεύμονα, πληροφορίες, γνώση και δεδομένα παρείχαν η Ισπανική Ομάδα Καρκίνου του Πνεύμονα (Spanish Lung Cancer Group) και η Υπηρεσία Υγείας της Μαδρίτης (SERMAS). Παράλληλα, νευρολόγοι και ειδικοί στην άνοια, όπως το Πανεπιστήμιο St. George’s του Λονδίνου και το Alzheimer's Research U.K., παρείχαν αντίστοιχες πληροφορίες για το Αλτσχάιμερ. Η αδιάκοπη υποστήριξη των τεχνικών ομάδων από τους ειδικούς στις δύο ασθένειες έπαιξε καταλυτικό ρόλο στην επιτυχή ολοκλήρωση του έργου.
Οι τεχνικές ομάδες, με τη σειρά τους, έφεραν στο έργο αλληλοσυμπληρούμενες γνώσεις και εμπειρίες. Το Πολυτεχνείο της Μαδρίτης (Universidad Politécnica de Madrid) και το Κέντρο για τη Γονιδιωματική Ρύθμιση (Centre for Genomic Regulation) στην Ισπανία συνεργάστηκαν με ερευνητές του ΕΚΕΦΕ «Δημόκριτος» στην Ελλάδα προκειμένου να αναλύσουν τα κλινικά δεδομένα σε συνδυασμό με τη διαθέσιμη επιστημονική βιβλιογραφία και να στηρίξουν τα αποτελέσματα που εξαγάγει το σύστημα iASiS για τις δύο ασθένειες.
Παράλληλα, τεχνικές ομάδες εμπειρογνωμόνων από το Πανεπιστήμιο του Ανόβερο στη Γερμανία σε συνεργασία με το Ινστιτούτο Προηγμένων Μελετών Πληροφορικής του Πανεπιστημίου του Maryland στις ΗΠΑ δημιούργησαν το δίκτυο γνώσης του iASiS για τη σημασιολογική ενσωμάτωση όλων αυτών των ετερογενών δεδομένων. Το δίκτυο γνώσης χρησιμοποιείται για την ανάλυση των συσσωρευμένων δεδομένων και τη δημιουργία μοντέλων πρόβλεψης για την εξέλιξη της κάθε νόσου. Για παράδειγμα, κάνει εφικτή την πολυπαραγοντική ανάλυση των δεδομένων για ασθενείς με καρκίνο του πνεύμονα με στόχο τη μελέτη των παρενεργειών, τις αλληλεπιδράσεις των φαρμάκων καθώς και τη συννοσηρότητα.
Τέλος, η ελληνική εταιρεία Athens Technology Center ανέπτυξε την πλατφόρμα του iASiS, που παρέχει μέσω γραφικής διεπαφής τα αποτελέσματα των προαναφερθέντων εργασιών στους τελικούς χρήστες.
Η πλατφόρμα iASiS
Για τη δημιουργία της πλατφόρμας iASiS κατασκευάστηκαν εξειδικευμένα εργαλεία για τη συγκομιδή, την εξαγωγή σημασιολογίας και την ανάλυση ετερογενών δεδομένων. Ιδιαίτερη έμφαση δόθηκε στη διαλειτουργικότητα μεταξύ των διαφορετικών συνόλων δεδομένων.
Η πλατφόρμα iASiS έχει διπλό στόχο: να παρέχει φιλική προς τον χρήστη πρόσβαση σε δεδομένα που έχουν συλλεχθεί, ενσωματωθεί και αναλυθεί, ενώ παράλληλα συνδέει τα δεδομένα με τα αποτελέσματα και την ανάλυση. Η εξαγωγή αυτής της γνώσης από τα δεδομένα επιτρέπει στους χρήστες να λάβουν αποτελεσματικές αποφάσεις προσαρμοσμένες ατομικά στους ασθενείς, συμβάλλοντας έτσι στην επίτευξη εξατομικευμένης ιατρικής.
Κατά τη δημιουργία της πλατφόρμας συμμετείχαν περίπου εκατό τελικοί χρήστες, οι οποίοι αξιολόγησαν το σύστημα καθώς και ένα εξωτερικό διεθνές συμβούλιο αποτελούμενο από εμπειρογνώμονες που βοήθησαν στην τελική διαμόρφωσή της.
Αναμενόμενος αντίκτυπος του iASiS και σχέδια για το μέλλον
Λίγο πριν τη λήξη του έργου iASiS, η κοινοπραξία έχει ως ευρύτερους στόχους να βοηθήσει το σύστημα υγειονομικής περίθαλψης και να στηρίξει τον κλάδο των τεχνολογιών Πληροφορικής και την ευρύτερη ευρωπαϊκή κοινωνία. Η ελπίδα είναι ότι η πλατφόρμα iASiS θα παράσχει στους γιατρούς ένα σημαντικό εργαλείο για τη στήριξη των ασθενών, προσφέροντας χρήσιμες γνώσεις για τη λήψη καλύτερων αποφάσεων και επιτρέποντας την εξατομίκευση της διάγνωσης και της θεραπείας.
Περισσότερες πληροφορίες:
Twitter: @Project_IASIS
