Για τις δυνατότητες που προσφέρει η τεχνητή νοημοσύνη στην ιατρική έρευνα και την κλινική περίθαλψη μίλησε η Eirini Schlosser, CEO και Ιδρύτρια της Dyania Health, στο πλαίσιο του EmTech Europe 2025. Τη συζήτηση συντόνισε η δημοσιογράφος της Καθημερινής, Ηλιάνα Μάγρα.
Δείτε εδώ την ατζέντα του συνεδρίου.
Η Dyania Health εστιάζει εδώ και μια δεκαετία στην επεξεργασία φυσικής γλώσσας (NLP), αξιοποιώντας το ελεύθερο κείμενο των ιατρικών σημειώσεων. «Δεν κάναμε pivot – είχα μερικούς πρώτους επενδυτές που διέθεταν νοσοκομεία και ένα τεράστιο όγκο δεδομένων. Το ερώτημά τους ήταν πώς μπορούμε να κατανοήσουμε την αξία αυτών των ηλεκτρονικών ιατρικών δεδομένων», ανέφερε η Schlosser, εξηγώντας ότι η τεχνολογία της εταιρείας επικεντρώθηκε ακριβώς σε αυτό.
Κατά τη διάρκεια της πανδημίας, η Dyania Health ανέπτυξε την τεχνολογία της για να αξιοποιήσει αυτά τα δεδομένα προς όφελος της ιατρικής φροντίδας. «Όσο περισσότερη υπολογιστική ισχύ χρησιμοποιείς, τόσο πιο γρήγορα μπορείς να αναλύσεις τα δεδομένα», σημείωσε.
Η Schlosser τόνισε τη σημασία της αυτοματοποιημένης ανασκόπησης ιατρικών φακέλων, τόσο για την εύρεση κατάλληλων ασθενών για κλινικές δοκιμές όσο και για την πραγματοποίηση παρατηρησιακών μελετών. «Αν εξετάσουμε, για παράδειγμα, το μέγεθος ενός όγκου, αυτό μπορεί να είναι κρίσιμο για την επιλογή ενός ασθενούς σε μια κλινική μελέτη, για την ολοκλήρωση ενός μητρώου όγκων, αλλά και για τον καθορισμό της βέλτιστης θεραπευτικής του πορείας».
Η σύνδεση των δεδομένων αυτών με την ιατρική πράξη ενισχύει τις δυνατότητες των αποκαλούμενων evidence-based guided-care pathways, δηλαδή εξατομικευμένων θεραπευτικών διαδρομών που βασίζονται σε τεκμηριωμένα δεδομένα. «Εχουμε ήδη δει εξαιρετικά αποτελέσματα που μας ενθουσιάζουν, βοηθώντας ασθενείς που διαφορετικά δεν θα λάμβαναν την περίθαλψη που έχουν ανάγκη», ανέφερε χαρακτηριστικά.
Οσον αφορά τους κινδύνους και τις προκλήσεις της τεχνολογίας, η Schlosser επισήμανε ότι η ομάδα της δέχεται συχνά το ερώτημα αν μπορούν να αυτοματοποιήσουν τη διάγνωση. «Η απάντησή μας είναι ότι μπορούμε, αλλά δεν θα το κάνουμε», εξήγησε, καθώς στα μεγάλα γλωσσικά μοντέλα (LLMs) είναι δύσκολο να εντοπιστεί ποιο τμήμα του αλγορίθμου οδήγησε σε μια συγκεκριμένη απόφαση. Αντίθετα, το σύστημα της Dyania Health είναι πιο ακριβές, καθιστώντας το εξαιρετικά χρήσιμο για τους γιατρούς.
