Τίτλος: “Συστήματα ανίχνευσης χαρακτηριστικών των ασθενειών με τεχνικές μηχανικής μάθησης” . Ομιλήτρια: Ολυμπία Γιάννου, Υποψήφια Διδάκτωρ ΤΜΗΥΠ. Ημερομηνία-χώρος: Παρασκευή 4 Νοεμβρίου, 4-5μμ, ΤΜΗΥΠ, αίθουσα Δ1. Επίσης μέσω του zoom link.
Περίληψη: Μία από τις πιο γοργά αναπτυσσόμενες περιοχές της επιστήμης των υπολογιστών είναι η ανάπτυξη έξυπνων συστημάτων που υποστηρίζουν τις αποφάσεις των χρηστών και παρέχουν ένα ευρύ πεδίο υπηρεσιών. Η εξυπνάδα τους βασίζεται στην παρακολούθηση και αποκωδικοποίηση των δεδομένων και των αναγκών του χρήστη και επιτυγχάνεται με την εφαρμογή τεχνικών μηχανικής μάθησης. Ειδικά η επεξεργασία εικόνας, η ανίχνευση αντικειμένων και η εξαγωγή χαρακτηριστικών των ασθενειών από κάθε είδους δεδομένα εισόδου αποτελούν τις πιο σημαντικές εφαρμογές τεχνικών μηχανικής μάθησης στην Ιατρική. Το αντικείμενο αυτού του ερευνητικού έργου είναι να διερευνήσει τα οφέλη των τεχνικών μηχανικής μάθησης στην ιατρική, όπως η κατηγοριοποίηση εικόνων, η εξαγωγή χαρακτηριστικών ασθενειών μέσω εικόνων, η τμηματοποίηση εικονιζόμενων ανθρώπινων οργάνων και η αξιολόγηση σοβαρότητας ασθενειών και βιοδεικτών. Η ερμηνεία των αποτελεσμάτων γίνεται και από τους δύο τομείς, της ιατρικής και της πληροφορικής. Στόχος είναι η παρουσίαση μοντέλων δυναμικής αξιολόγησης της σοβαρότητας μιας ασθένειας και εξαγωγής σημαντικών χαρακτηριστικών της. Πιο συγκεκριμένα, τα μοντέλα αυτά θα μπορούσαν να αξιοποιηθούν ως διαγνωστικά εργαλεία σε πραγματικό χρόνο και ως βοηθητικά συστήματα λήψης ιατρικών αποφάσεων σε πραγματικές συνθήκες. Εφαρμόζεται η συστημική προσέγγιση που αρχίζει με τα στοιχεία εισόδου. Τα στοιχεία αυτά αφορούν τον ασθενή: ποντικός ή άνθρωπος (χαρακτηριστικά) και το είδος ασθένειας: ηπατικό καρκίνο, κολίτιδα, αναπνευστικό πρόβλημα όπως άσθμα. Συνεχίζουμε με την ευφυή – αλγοριθμική, στατιστική κ.λπ. – επεξεργασία αυτών των στοιχείων (α) για να εκτιμήσουμε την τρέχουσα κατάσταση και σοβαρότητα της ασθένειας, τα χαρακτηριστικά του ασθενή και τις συνθήκες και (β) για να κατανοήσουμε την κατάσταση και να υποστηρίξουμε παθητικά ή ενεργά το γιατρό ή ερευνητή υγείας, στη διαδικασία διάγνωσης και πρόγνωσης.
Στόχος της έρευνας μας είναι να προτείνει τις βέλτιστες επιλογές ανάπτυξης και υλοποίησης μοντέλων εκπαίδευσης με τεχνικές μάθησης (machine learning) για πληροφοριακά συστήματα, εφαρμογές κινητών τηλεφώνων και εφαρμογές παγκόσμιου ιστού (web app) ώστε να ανιχνεύουν ασθένειες και τα χαρακτηριστικά τους, το είδος πειραματικού δείγματος, ώστε να βοηθήσουν σημαντικά στη διάγνωση και πρόγνωση, άμεσα και με ακρίβεια Οι προτεινόμενες μέθοδοι θα μπορούσαν να χρησιμοποιηθούν σε πραγματικές συνθήκες από νοσοκομεία και χώρους έρευνας θεμάτων υγείας.
Σχετικά με την ομιλήτρια: Η κ. Ολυμπία Γιάννου είναι υποψήφια διδάκτορας στο CEID. Είναι διπλωματούχος του Τμήματος (2012) και του μεταπτυχιακού προγράμματος ΕΤΥ (2014). Η διδακτορική της διατριβή έχει εκπονηθεί υπό την επίβλεψη του (αφυπηρετήσαντος) καθηγητή τοτ ΤΜΗΥΠ κ. Γεώργιου Παυλίδη.