Ομάδα φοιτητών και ερευνητών του Τμήματος Πληροφορικής του Οικονομικού Πανεπιστημίου Αθηνών κατέκτησε φέτος την πρώτη θέση σε διεθνή διαγωνισμό τεχνητής νοημοσύνης, μια διάκριση την οποία πετυχαίνει συστηματικά τα τελευταία πέντε χρόνια.
Πρόκειται για τον διαγωνισμό «ImageCLEFmed Caption», στον οποίο παίρνουν μέρος συστήματα ερευνητικών ομάδων, που με τη χρήση τεχνητής νοημοσύνης επιχειρούν να συνδέσουν αυτόματα ιατρικές εικόνες από ακτινογραφίες, υπερήχους, αξονικές και μαγνητικές τομογραφίες κλπ, με ετικέτες ιατρικών εννοιών για την καλύτερη διαχείριση μεγάλου όγκου δεδομένων, αλλά και να παράγουν κείμενα ιατρικών διαγνώσεων.
Η ερευνητική ομάδα Επεξεργασίας Φυσικής Γλώσσας του Οικονομικού Πανεπιστημίου Αθηνών κατέλαβε στον φετινό διαγωνισμό την πρώτη θέση στην αυτόματη ανάθεση ιατρικών ετικετών (Concept Detection) και την τρίτη θέση στην αυτόματη περιγραφή ιατρικών εικόνων (Caption Prediction). Την ομάδα απαρτίζουν ο καθηγητής Τεχνητής Νοημοσύνης στο Τμήμα Πληροφορικής του Οικονομικού Πανεπιστημίου Αθηνών (ΟΠΑ) και συνεργαζόμενος ερευνητής της Μονάδας «Αρχιμήδης» του Ερευνητικού Κέντρου «Αθηνά», Ίων Ανδρουτσόπουλος, ο ερευνητής του Τμήματος Πληροφορικής του ΟΠΑ και του Πανεπιστημίου της Στοκχόλμης, Γιάννης Παυλόπουλος, ο υποψήφιος διδάκτωρ του Τμήματος Πληροφορικής του ΟΠΑ και διδακτορικός υπότροφος της Μονάδας «Αρχιμήδης», Γεώργιος Μοσχόβης, ο υποψήφιος διδάκτωρ του Τμήματος Πληροφορικής του ΟΠΑ, Φοίβος Χαραλαμπάκος, και ο μεταπτυχιακός φοιτητής του Προγράμματος Μεταπτυχιακών Σπουδών «Επιστήμη Υπολογιστών» του Τμήματος Πληροφορικής του ΟΠΑ, Παναγιώτης Κάλιοσης.
Η ομάδα του ΟΠΑ συμμετείχε στον διαγωνισμό με συστήματα βασισμένα σε βαθιά μάθηση (deep learning), μια μορφή μηχανικής μάθησης που χρησιμοποιεί βαθιά τεχνητά νευρωνικά δίκτυα για την κωδικοποίηση και κατηγοριοποίηση των εικόνων, καθώς και για την παραγωγή κειμένων, τεχνολογία που αξιοποιείται και από το ChatGPT. Η ομάδα ανέπτυξε νέες μορφές νευρωνικών δικτύων ειδικά για τον διαγωνισμό, αλλά και τροποποίησε υπάρχουσες μορφές συνδυάζοντας διαφορετικές μεθόδους μηχανικής μάθησης.
Ο στόχος του διαγωνισμού, στον οποίο διακρίθηκε η ομάδα του ΟΠΑ, είναι τα συστήματα που παίρνουν μέρος να είναι σε θέση να υποστηρίξουν γιατρούς στην αναζήτηση ιατρικών εικόνων μέσω λέξεων- κλειδιών. Επίσης, να τους υποστηρίξουν παράγοντας αυτόματα προσχέδια ιατρικών γνωματεύσεων από εικόνες ιατρικών εξετάσεων, τα οποία κατόπιν ελέγχουν και βελτιώνουν οι γιατροί.
«Δεν προσπαθούμε να αντικαταστήσουμε τον άνθρωπο-γιατρό, προσπαθούμε να τον βοηθήσουμε. Για παράδειγμα ίσως είναι πιο γρήγορο και πιο εύκολο για ένα γιατρό να βλέπει μια αρχική μορφή της διάγνωσης και να τη διορθώνει ή να την εγκρίνει ο ίδιος από το να τη γράφει από την αρχή. Ή ίσως αν ένας γιατρός δεν είναι πολύ έμπειρος να μπορεί, αν δει μια πρώτη μορφή της διάγνωσης από ένα σύστημα εκπαιδευμένο σε διαγνώσεις πολλών άλλων έμπειρων γιατρών, να πάρει κάποιες ιδέες για ιατρικά ευρήματα που ίσως του έχουν διαφύγει», εξηγεί στο ΑΠΕ-ΜΠΕ ο καθηγητής Τεχνητής Νοημοσύνης του ΟΠΑ, Ίων Ανδρουτσόπουλος
Πηγή: ΑΠΕ-ΜΠΕ
