ComputerTrends magazin 2024.01.17.
A ComputerTrends magazin 2024. január 17-én megjelent lapszáma.
A ComputerTrends magazin 2024. január 17-én megjelent lapszáma.
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
MALLÁSZ<br />
JUDIT<br />
TECHNOLÓGIA #AI<br />
Adatvagyon-kutatás<br />
az egészségügyben<br />
Pontosabb és gyorsabb diagnosztika, célzott gyógyszerkutatás. Ez csak két szempont a<br />
sok közül, ami a kutatók szeme előtt lebegett, amikor – lokális kihívásokkal szembesülve<br />
– a mesterséges intelligenciát is segítségül hívták globális kutatásaik során.<br />
A<br />
diagnosztikai képi és szöveges leletek kutatását<br />
lehetővé tevő, mesterséges intelligencia<br />
(MI) alapú megoldást hoztak létre<br />
a Debreceni Egyetem (DE) kutatói és a GE Health-<br />
Care szakemberei. A nemrégiben lezárult, közel<br />
1,5 milliárd forint összköltségvetésű, kétéves<br />
projektben magyar nyelvű, természetes nyelvfeldolgozó<br />
algoritmusokkal dolgoztak. A projektet a<br />
Nemzeti Kutatási, Fejlesztési és Innovációs Alap<br />
mintegy 800 millió forinttal támogatta. A részletekről<br />
Ferenczi Lehel, a GE HealthCare adat és<br />
analitikai igazgatója és Hajdu András, a DE Informatikai<br />
Kar dékánja nyilatkozott lapunknak.<br />
Ferenczi Lehel: Az együttműködés fő célja az<br />
volt, hogy a betegeknek személyre szabott terápiát<br />
tudjunk adni, ráadásul úgy, hogy a jövőben már<br />
a kohorszok (betegcsoportok) alapján, az adott<br />
típusú klinikai problémához célzottan keressük az<br />
adatokat. Ahhoz, hogy a kutatást el tudjuk végezni,<br />
a diagnosztikai képi és szöveges leletek egységesítésére,<br />
továbbá újonnan fejlesztett, magyar nyelvű<br />
természetes nyelvfeldolgozó algoritmusra volt<br />
szükség. Az adatok strukturált összegyűjtése által<br />
lehetőség nyílik analitikára és kohorszok rendezésére.<br />
Mindez újabb kutatási területek felé nyitja meg<br />
az utat.<br />
Hajdu András: Egyetemünk egyik fontos hozzáadott<br />
értéke a projekthez annak megvalósítása<br />
volt, hogy a rendszer valóban tudjon kapcsolódni<br />
a magyarországi klinikai rendszerekhez. Ennek<br />
érdekében kialakítottuk a megfelelő interfészeket,<br />
miközben hangsúlyt fektettünk az adatvédelemre.<br />
Kizárólag anonimizált adatokkal dolgoztunk, lokálisan<br />
egy zárt rendszerben megvalósult a két rendszer<br />
összekapcsolása. A másik komoly kihívást az<br />
jelentette, hogy magyar nyelvű, szabad szöveges<br />
leletekből nyerjük ki a releváns információt. A<br />
projekt alapvetően a daganatos elváltozásokra<br />
koncentrált. Száznegyven leírót (elemet) sikerült<br />
összegyűjteni, kezdve a legegyszerűbb adatoktól<br />
(például a beteg azonosítója, anamnézis, diagnózis)<br />
egészen addig, mint például a tumor mérete. A<br />
szöveges leletekből aztán egy strukturált adatbázis<br />
készült, amely tartalmazza a releváns klinikai<br />
adatokat, a betegséggel, valamint a gyógyszerekkel<br />
kapcsolatos információkat. Fontos előrelépés, hogy<br />
mindez magyar nyelvű – ilyen szolgáltatás, ilyen<br />
szinten, magyar nyelven eddig nem volt elérhető.<br />
További érdekessége a projektnek, hogy az orvosi<br />
képekhez metaadatokat társítottunk. Ezek segítségével<br />
kohorszokat lehet összeállítani. Egy adott<br />
típusú daganatos elváltozáshoz például életkor,<br />
lakhely, a betegség előrehaladottsága, az eddigi<br />
gyógyszeres kezelés stb. szerint lehet betegcsoportokat<br />
létrehozni. A jövőben egy gyógyszerkutatáshoz<br />
például meg lehet határozni páciensek egy<br />
csoportját, akiknél indokolt egyfajta gyógyszer használata,<br />
hatásának követése.<br />
<strong>ComputerTrends</strong>: A projektben a nulláról<br />
indult a munka, vagy vannak már hasonló<br />
megoldások, együttműködések a GE Health-<br />
Care nemzetközi hálózatában?<br />
FL: A GE HealthCare-nek van egy nemzetközi<br />
célokra fejlesztett digitális platform megoldása,<br />
amely szabványos felületeken csatlakozik az általános<br />
kórházi rendszerekhez. A Debreceni Egyetemmel<br />
való együttműködésnek az volt a kihívása,<br />
hogy miként tudunk egy helyi kórházi informatikai<br />
rendszerhez csatlakozni, és egységes adatformátumot<br />
generálni, ezáltal a DE-t és Magyarországot<br />
hogyan tudjuk minél hatékonyabban bekapcsolni a<br />
globális tudományos körforgásba.<br />
HA: Tudjuk, hogy vannak hasonló megoldások a<br />
világban, de az is egyértelmű, hogy az angol nyelvű<br />
automatizált adatfeldolgozás sokkal előrehaladottabb<br />
állapotban van, mint például a magyar nyelvű.<br />
A cél, hogy felzárkózzunk, és ezzel a projekttel<br />
javíthatunk a helyzetünkön. A másik fontos szempont<br />
a hazai klinikai adatvagyon strukturált, célzott<br />
feldolgozása, hiszen arra törekszünk, hogy a magyar<br />
emberek magas színvonalú egészségügyi ellátásban<br />
részesüljenek az ehhez hasonló innovatív megoldásokon<br />
keresztül.<br />
16 | <strong>ComputerTrends</strong> | 2024. január