Τον μετασχηματισμό της υγειονομικής περίθαλψης μέσα από την αξιοποίηση της τεχνητής νοημοσύνης, με έμφαση στην πρόβλεψη, την πρόληψη και την εξατομικευμένη ιατρική, ανέδειξε η συζήτηση με τίτλο «Predictive, Preventive, Personalized: The AI Health Revolution», στο πλαίσιο του συνεδρίου EmTech Europe 2026, που διοργανώνει η MIT Technology Review σε συνεργασία με την «Καθημερινή». Στη συζήτηση συμμετείχαν ο Jurgi Camblong, CEO και ιδρυτής της Sophia Genetics, και η Kira Radinsky, CTO και συνιδρύτρια της Diagnostic Robotics, υπό τον συντονισμό του Αθανάσιου Ελλις, αρχισυντάκτη του English Edition της εφημερίδας «Η Καθημερινή».
Ο κ. Camblong εστίασε στην εξατομικευμένη ιατρική (precision medicine), επισημαίνοντας ότι τα περιστατικά καρκίνου αυξάνονται παγκοσμίως, με σχεδόν 20 εκατομμύρια νέες διαγνώσεις το 2020. Οπως ανέφερε, η εκρηκτική αύξηση των δεδομένων –με τη γονιδιωματική να παράγει δεκάδες exabytes ετησίως– δημιουργεί νέες δυνατότητες για την κατανόηση και την αντιμετώπιση ασθενειών. «Το 30% των δεδομένων που παράγουμε ως άνθρωποι είναι δεδομένα υγείας», σημείωσε, υπογραμμίζοντας τον κρίσιμο ρόλο της ανάλυσης δεδομένων και της ΤΝ στη βελτίωση της φροντίδας των ασθενών.
Ιδιαίτερη έμφαση έδωσε στην πολυπλοκότητα της βιολογίας, τονίζοντας ότι σε κάθε κύτταρο λαμβάνουν χώρα εκατομμύρια μοριακές αντιδράσεις, γεγονός που καθιστά αναγκαία τη βαθιά κατανόηση των βιολογικών διεργασιών για την αποτελεσματική εφαρμογή της ΤΝ. Οπως σημείωσε, «αν θέλεις να εφαρμόσεις την ΤΝ στην υγεία, πρέπει να κατανοείς τη βιολογία», επισημαίνοντας παράλληλα ότι τα δεδομένα υγείας παραμένουν κατακερματισμένα μεταξύ διαφορετικών οργανισμών και ότι απαιτείται η ανάπτυξη μορφών συλλογικής νοημοσύνης.
Αναφερόμενος στη δραστηριότητα της Sophia Genetics, σημείωσε ότι η εταιρεία έχει ήδη αναλύσει δεδομένα από 2,4 εκατομμύρια ασθενείς, αξιοποιώντας τη γονιδιωματική για την κατανόηση των αιτίων του καρκίνου και την πρόβλεψη της ανταπόκρισης στις θεραπείες. Οπως υπογράμμισε, το μέλλον της ιατρικής βρίσκεται στις πολυτροπικές (multimodal) αναλύσεις και στη συλλογική αξιοποίηση δεδομένων, καθώς, όπως χαρακτηριστικά ανέφερε, «οι ασθενείς του σήμερα βοηθούν τους ασθενείς του αύριο».
Από την πλευρά της, η κ. Radinsky παρουσίασε τη χρήση προηγμένων μοντέλων για την πρόβλεψη υγειονομικών εξελίξεων, αξιοποιώντας συσχετίσεις δεδομένων από διαφορετικές πηγές. Οπως ανέφερε, μέσω μοντέλου αιτιότητας κατέστη δυνατή η πρόβλεψη επιδημιών, όπως η χολέρα, συνδέοντας περιβαλλοντικούς και κοινωνικούς παράγοντες. Η δυνατότητα αυτή, όπως τόνισε, μπορεί να οδηγήσει σε έγκαιρες παρεμβάσεις, ιδίως σε ασθένειες που είναι εύκολα αντιμετωπίσιμες εφόσον εντοπιστούν νωρίς.
Ιδιαίτερη έμφαση δόθηκε στο μοντέλο της προληπτικής φροντίδας, με τη χρήση συστημάτων που επικοινωνούν με τους ασθενείς και προτείνουν ενέργειες για την αποφυγή ασθενειών. Οπως ανέφερε, τέτοιες εφαρμογές έχουν ήδη δοκιμαστεί, με στόχο την ενίσχυση της αποτελεσματικότητας και της βιωσιμότητας των συστημάτων υγείας.
Στη συζήτηση που ακολούθησε, αναδείχθηκαν κρίσιμα ζητήματα εμπιστοσύνης και διαφάνειας στη χρήση της ΤΝ. Η κ. Radinsky υπογράμμισε ότι τα μοντέλα ενδέχεται να ενσωματώνουν προκαταλήψεις, γεγονός που καθιστά απαραίτητη την ανάπτυξη αποτελεσματικών μηχανισμών ελέγχου. Από την πλευρά του, ο κ. Camblong ανέδειξε τη σημασία της εμπιστοσύνης στα αποτελέσματα των αλγορίθμων, επισημαίνοντας παράλληλα τους περιορισμούς στην κατανόηση του τρόπου λειτουργίας τους.
Κοινός τόπος των ομιλητών ήταν ότι η μετάβαση από την πρόβλεψη στην πράξη προϋποθέτει τη σύνδεση των δεδομένων με συγκεκριμένες παρεμβάσεις. Οπως επισημάνθηκε, η πρόβλεψη αποκτά αξία μόνο όταν συνοδεύεται από τη δυνατότητα δράσης, με την προληπτική φροντίδα να αναδεικνύεται σε βασικό πυλώνα του μέλλοντος της υγείας.Τέλος, έγινε αναφορά στις γεωπολιτικές και επενδυτικές διαστάσεις της ΤΝ, με τους ομιλητές να επισημαίνουν ότι η Ευρώπη υστερεί σε επενδύσεις σε σχέση με τις ΗΠΑ και την Κίνα. Οπως υπογράμμισαν, απαιτείται μεγαλύτερη τόλμη και ενίσχυση των επενδύσεων, ώστε η Ευρώπη να διαδραματίσει ενεργό ρόλο στη διαμόρφωση των τεχνολογιών του μέλλοντος.
