Έλληνας ερευνητής δημιούργησε το πρώτο σύστημα τεχνητής νοημοσύνης που ταυτοποιεί τα ερυθρά αιμοσφαίρια στο αίμα

Έλληνας ερευνητής δημιούργησε το πρώτο σύστημα τεχνητής νοημοσύνης που ταυτοποιεί τα ερυθρά αιμοσφαίρια στο αίμα Facebook Twitter
0

Ένα νέο υπολογιστικό σύστημα τεχνητής νοημοσύνης, που βασίζεται στη μηχανική «βαθιά» μάθηση και το οποίο για πρώτη φορά μπορεί αυτόματα -χωρίς ανθρώπινη παρέμβαση- να ταυτοποιήσει τα είδη και τις μορφές των ερυθροκυττάρων (ερυθρών αιμοσφαιρίων) στο αίμα ενός ασθενούς, ανέπτυξαν επιστήμονες στις ΗΠΑ και την Κίνα, με επικεφαλής έναν Έλληνα ερευνητή.


Το επίτευγμα, μεταξύ άλλων, θα βοηθήσει τους γιατρούς να εντοπίζουν γρήγορα και να παρακολουθούν τους ανθρώπους με δρεπανοκυτταρική αναιμία και άλλες παθήσεις που αλλοιώνουν την μορφολογία των ερυθροκυττάρων.

Ειδικά στην περίπτωση της δρεπανοκυτταρικής αναιμίας, από την οποία πάσχουν περίπου 3,2 εκατομμύρια άνθρωποι διεθνώς, τα ανώμαλης μορφολογίας ερυθρά αιμοσφαίρια μπορούν να συσσωρευθούν και να μπλοκάρουν τα αιμοφόρα αγγεία, προκαλώντας πόνους, ακόμη και θάνατο.


Τα ερυθροκύτταρα δεν έχουν μόνο μορφή δρεπανιού (εξ ου και το όνομα της νόσου) αλλά και άλλα σχήματα, όπως οβάλ ή επιμήκη αιμοσφαίρια. Τα διάφορα αυτά σχήματα, που ποικίλουν από ασθενή σε ασθενή, δίνουν ενδείξεις για τη σοβαρότητα της νόσου, αλλά είναι δύσκολο να ταυτοποιηθούν χωρίς τη βοήθεια υπολογιστή.


Για να αυτοματοποιήσουν την όλη διαδικασία, οι ερευνητές, με επικεφαλής τον καθηγητή εφαρμοσμένων μαθηματικών Γιώργο Καρνιαδάκη του Πανεπιστημίου Μπράουν του Ρόουντ Άιλαντ, που έκαναν τη σχετική δημοσίευση στο περιοδικό υπολογιστικής βιολογίας PLoS Computational Biology, χρησιμοποίησαν ένα «βαθύ συνελικτικό νευρωνικό δίκτυο» (deep convolutional neural network), το οποίο αναλύει τις εικόνες του αίματος που έχουν ληφθεί από το μικροσκόπιο και κατηγοριοποιεί τα ερυθροκύτταρα ανάλογα με το σχήμα τους.

Το σύστημα δοκιμάσθηκε με μεγάλη επιτυχία στην ανάλυση 7.000 εικόνων μικροσκοπίου από οκτώ ασθενείς με δρεπανοκυτταρική αναιμία.


«Δημιουργήσαμε το πρώτο εργαλείο βαθιάς μάθησης, που μπορεί αυτόματα να ταυτοποιήσει και να ταξινομήσει την ποικιλία των ερυθροκυττάρων, με αυτό τον τρόπο παρέχοντας άμεσες ενδείξεις για τη σοβαρότητα της νόσου» δήλωσε ο Καρνιαδάκης.


Οι ερευνητές σκοπεύουν να βελτιώσουν περαιτέρω το σύστημά τους και να το δοκιμάσουν και σε άλλες παθήσεις του αίματος, που αλλοιώνουν την μορφολογία και το μέγεθος των ερυθροκυττάρων, όπως ο διαβήτης και ο ιός HIV. Ακόμη, προτίθενται να μελετήσουν κατά πόσο θα μπορούσε να αξιοποιηθεί για την αυτόματη ταυτοποίηση των καρκινικών κυττάρων.


Στη νέα μελέτη συμμετείχε και ένας ακόμη Έλληνας επιστήμονας της διασποράς, ο Δημήτρης Παπαγεωργίου του Τμήματος Επιστήμης και Μηχανικής των Υλικών του Πανεπιστημίου ΜΙΤ της Βοστώνης.


Ο Γιώργος Καρνιαδάκης αποφοίτησε από τη Σχολή Μηχανολόγων Μηχανικών του ΕΜΠ το 1982 και πήρε το διδακτορικό του από το ΜΙΤ το 1987. Μετά από μεταδιδακτορική έρευνα στο Κέντρο Ames της NASA και αφού δίδαξε στα πανεπιστήμια Πρίνστον και Caltech, έγινε καθηγητής εφαρμοσμένων μαυθηματικών στο Πανεπιστήμιο Μπράουν, ενώ παράλληλα διδάσκει στο ΜΙΤ.

Πηγή: ΑΠΕ- ΜΠΕ

Τech & Science
0

ΔΕΙΤΕ ΑΚΟΜΑ

Το Spotify βάζει σήμα επαλήθευσης για να ξεχωρίζουν οι πραγματικοί καλλιτέχνες από τα AI προφίλ

Τech & Science / Το Spotify εισάγει σήμα επαλήθευσης για να διακρίνονται οι πραγματικοί καλλιτέχνες από τα AI προφίλ

Το Spotify ανακοίνωσε το νέο σήμα «Verified by Spotify», ένα σύστημα επαλήθευσης που θα βοηθά τους χρήστες να ξεχωρίζουν τους πραγματικούς καλλιτέχνες από AI προφίλ και ψεύτικες ταυτότητες. Η κίνηση έρχεται σε μια περίοδο όπου οι μουσικές πλατφόρμες δέχονται όλο και μεγαλύτερη πίεση από την έκρηξη του περιεχομένου που δημιουργείται με τεχνητή νοημοσύνη.
THE LIFO TEAM
ΚΑΡΚΙΝΟΣ ΠΑΓΚΡΕΑΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΕΝΤΟΠΙΣΜΟΣ

Τech & Science / Στιγμή - ορόσημο για την αντιμετώπιση του καρκίνου στο πάγκρεας: AI μπορεί να τον εντοπίζει έως και 3 χρόνια πριν τη διάγνωση

Σε μια εξέλιξη που θα μπορούσε να αλλάξει ριζικά τον τρόπο με τον οποίο εντοπίζεται ένας από τους πιο θανατηφόρους καρκίνους, η Mayo Clinic παρουσίασε το REDMOD
THE LIFO TEAM