Καρκίνος και ακτινοθεραπεία

Mε τι ασχολείστε αυτή την περίοδο;

Το μεγαλύτερο ποσοστό του χρόνου μου το αφιερώνω στη TheraPanacea. Εκεί επικεντρωνόμαστε στην ογκολογία και τη νευρολογία, κυρίως στην πρόγνωση και τη θεραπεία, προσπαθώντας να δημιουργήσουμε λύσεις που θα βοηθήσουν τους γιατρούς είτε να διαλέξουν την καλύτερη δυνατή θεραπεία είτε να υλοποιήσουν μία συγκεκριμένη θεραπεία με τον καλύτερο δυνατό τρόπο. 

Θέλετε να μας μιλήσετε για τη δουλειά σας πάνω στη βελτίωση της τεχνολογίας της ακτινοθεραπείας; 

Η ιδέα της ακτινοθεραπείας είναι αρκετά απλή. Προσπαθούμε να στείλουμε ακτινοβολία στον καρκίνο ώστε να σκοτώσουμε τα καρκινικά κύτταρα, προσπαθώντας παράλληλα, στο μέτρο του εφικτού, να αποτρέψουμε την ακτινοβολία από τα ζωτικά όργανα. Για να κάνουμε την ακτινοθεραπεία, χρειαζόμαστε δύο πράγματα: ένα μηχάνημα που λέγεται γραμμικός επιταχυντής και γεννά τις ακτίνες, κι ένα λογισμικό το οποίο αποτελεί τον εγκέφαλο του επιταχυντή και ονομάζεται Treatment Planning System. 

Το δικό μας ονομάζεται ART Plan και πρόκειται για ένα λογισμικό το οποίο επεξεργάζεται δεδομένα ασθενών που έχουν ήδη θεραπευθεί θετικά, με σκοπό η τεχνητή νοημοσύνη να προτείνει το καλύτερο δυνατό πλάνο ακτινοθεραπείας για κάθε καινούργιο ασθενή. 

Γιατί επιλέξατε τον καρκίνο;

Απευθύνθηκα στο γραφείο έρευνας και τεχνολογίας του πανεπιστημίου και τους είπα ότι με ενδιαφέρει να αναπτύξω μία εφαρμογή στον τομέα της υγείας. Κατόπιν έρευνας αγοράς στο πεδίο της εργαστηριακής έρευνας, εντοπίσαμε τρεις περιοχές ενδιαφέροντος. Πρώτη ήταν η διάγνωση και οτιδήποτε σχετίζεται με αξονικούς τομογράφους, δεύτερη ήταν η χειρουργική ρομποτική, είτε με ημι-αυτόνομα είτε με 100% αυτόνομα ρομπότ, και τρίτη ήταν η ραδιοθεραπεία για τον καρκίνο. 

Το ενδιαφέρον της ραδιοθεραπείας για εμένα είναι τριπλό. Χρειαζόμαστε μαθηματικά, γιατί έχουμε πολύ δύσκολα προβλήματα βελτιστοποίησης, χρειαζόμαστε εικόνες, γιατί όλα γίνονται μέσω εικόνων, και χρειαζόμαστε φυσική, γιατί ό,τι σχετίζεται με ακτίνες και ανθρώπινα κύτταρα είναι φυσική. Αυτό το τρίπτυχο παρουσιάζει τεράστιο επιστημονικό ενδιαφέρον για εμένα.

Σημαντικό για εμένα είναι και το γεγονός ότι ο καρκίνος σήμερα είναι ο δεύτερος παράγοντας θνησιμότητας στον κόσμο. Το καλό της ακτινοθεραπείας είναι ότι το μηχάνημα είναι στάνταρ. Αν μπορούμε να φτιάξουμε ένα λογισμικό που μπορεί να βοηθήσει, δεν χρειαζόμαστε άκρως εξειδικευμένο προσωπικό, οπότε υπάρχει η προοπτική να έχουμε τεράστιο αντίκτυπο. Σήμερα 10 νοσοκομεία στην Αφρική χρησιμοποιούν το λογισμικό μας. Κι αυτό δεν έχει τιμή. Είναι ανεκτίμητης αξίας. 

Yπάρχει μέσος ασθενής;

Ποιο είναι το περιθώριο λάθους σε μια τέτοια τεχνολογία; Ποια είναι τα περιθώρια του ανθρώπου να διορθώσει το λάθος ή να το εντοπίσει καν; 

Η ακτινοθεραπεία γενικά έχει διαφορετικές φάσεις. Κάποιες φάσεις είναι 100% στον άνθρωπο, κάποιες είναι 100% στο λογισμικό, γιατί είναι τόσο πολύπλοκο το πρόβλημα, που ακόμα και ο καλύτερος μαθηματικός δεν μπορεί να το λύσει. 

Αυτή τη στιγμή στην ακτινοθεραπεία υπάρχουν δικλείδες ασφαλείας. Πριν αρχίσουμε μία θεραπεία, εκτελούμε αυτό που λέμε έλεγχο ποιότητας, διασφάλιση ποιότητας. Δηλαδή είτε το πρόγραμμα της ακτινοθεραπείας εκτελείται από άνθρωπο είτε από μηχανή το σύστημα εκτελεί προσομοίωση της θεραπείας και ελέγχει τον αντίκτυπο. 

Βέβαια, οποιοσδήποτε αλγόριθμος, ακόμα και ο καλύτερος δυνατός, σίγουρα δεν θα είναι καλύτερος από τον καλύτερο γιατρό, που είναι εξειδικευμένος σε ένα συγκεκριμένο πεδίο. Αλλά ένας καλός αλγόριθμος θα είναι πολύ καλύτερος από τον μέσο γιατρό, γιατί μπορεί να επεξεργάζεται αναρίθμητα δεδομένα.

Πόσο ψηλά στην ατζέντα είναι η αντιμετώπιση του καρκίνου σε ερευνητικό επίπεδο και ποιο είναι το κόστος και οι επενδύσεις στην έρευνα αυτή τη στιγμή; 

Για να σας δώσω μια ιδέα, μια καινούργια δοκιμή σε phase 3, που είναι συνήθως η τελευταία φάση, για 500 ασθενείς κοστίζει μερικά δισ. ευρώ. Αυτή τη στιγμή υπάρχουν τεράστιες επενδύσεις από τις φαρμακευτικές εταιρείες για να αντιμετωπίσουμε τον καρκίνο, γιατί δυστυχώς, όσο περνούν τα χρόνια, τόσο περισσότερο κόσμο θα έχουμε με καρκίνο, γιατί όσο ζούμε περισσότερο, τόσο μεγαλύτερη είναι η πιθανότητα να εμφανίσουμε καρκίνο. 

Τα ποσά που σπαταλάμε σήμερα στον καρκίνο δεν περιγράφονται. Και δεν μιλάμε μόνο για θεραπείες. Υπάρχουν και το κόστος μετά-την-αγωγή. Μία κακή θεραπεία, με πολλές παρενέργειες, θα ακολουθεί τον ασθενή για όλη του τη ζωή. Δηλαδή δεν είναι μόνο το κόστος της ίδιας της θεραπείας, είναι και τα επακόλουθά της.Ενδεικτικά σας αναφέρω μία πρόσφατη έρευνα στην Ευρωπαϊκή Κοινότητα, η οποία υπολόγισε το κόστος της διαχείρισης του κόστους μετά-την-αγωγή για τον καρκίνο σε μισό δισ. ευρώ τον χρόνο. 

Το πρόβλημα με τις φαρμακευτικές εταιρείες είναι ότι κάνουν φάρμακα για τον μέσο ασθενή. Μέσος ασθενής δεν υπάρχει. Υπάρχουν υποομάδες της ασθένειας. Ένα φάρμακο μπορεί να είναι κακό για τον μέσο ασθενή, αλλά μπορεί να είναι καλό για μία υποομάδα της ασθένειας, οπότε το ζητούμενο είναι να μπορέσουμε να διαλέξουμε για κάθε φάρμακο το αντίστοιχο υποσύνολο ασθενών. 

Το δεύτερο πολύ σημαντικό σήμερα είναι η πρόσβαση. Εγώ έχω μεγαλώσει στη Ρόδο, όπου υπάρχει ένα γενικό νοσοκομείο το οποίο κάνει ό,τι μπορεί, αλλά δεν διαθέτει εξειδικευμένο τμήμα ογκολογίας, οπότε οι ασθενείς πρέπει να πάνε στην Αθήνα. Φανταστείτε τι θα κερδίζαμε αν μπορούσε ένας γιατρός να παρακολουθεί έναν ασθενή από την Αθήνα ή αν μπορούσαμε να θεραπεύσουμε έναν ασθενή στον τόπο του. Δηλαδή υπάρχει τεράστια δυνατότητα να μεγιστοποιήσουμε το όφελος, ελαχιστοποιώντας την επένδυση. 

Τεχνητή νοημοσύνη, σύστημα περίθαλψης και ιατρική ακριβείας 

Πώς μπορεί η τεχνητή νοημοσύνη να βοηθήσει ένα σύστημα περίθαλψης, όπως το ελληνικό, με τις ιδιαιτερότητές του και την ιδιομορφία της ελληνικής γεωγραφίας;

Πιστεύω ότι η Ελλάδα είναι ένα ιδανικό παράδειγμα εφαρμογής τέτοιων τεχνολογιών, και δεν μιλάω για τις πιο προχωρημένες τεχνικές, αλλά ακόμα και για μία απλή διάγνωση. Η καταγωγή μου είναι από την Κάρπαθο, όπου μέχρι πρόσφατα δεν είχαμε αξονικό τομογράφο. Όταν χρειαζόταν κάποιος να κάνει αξονική τομογραφία, έπρεπε να πάει στη Ρόδο. Φανταστείτε απλές εφαρμογές που κρίνουν αν κάποιος έχει σπασμένο χέρι ή πόδι. 

Το θέμα της Ελλάδας είναι ότι αφενός το σύστημα είναι αθηνο-κεντρικό, όπου βρίσκονται όλα τα μεγάλα νοσοκομεία, ενώ έχουμε έναν τεράστιο αριθμό περιφερειακών νοσοκομείων, τα οποία είτε υποχρηματοδοτούνται είτε δεν έχουν την απαραίτητη εξειδίκευση.

Η τεχνητή νοημοσύνη δεν θα λύσει όλα μας τα προβλήματα, αλλά πιστεύω ότι θα μας δώσει τη δυνατότητα τα σχετικά απλά περιστατικά, για τα οποία σήμερα πρέπει να πάμε στην Αθήνα ή σε μία μεγαλούπολη, να τα αντιμετωπίζουμε τοπικά. Μία καλύτερη τοπική διάγνωση θα έχει τεράστιο αντίκτυπο τόσο στους ασθενείς όσο και στο σύστημα υγείας. 

Το θέμα είναι ότι χρειάζονται επενδύσεις, χρειάζεται τεχνολογία, και κυρίως χρειάζεται αλλαγή νοοτροπίας. Στην Ελλάδα οι γιατροί πιστεύουν ότι οι ασθενείς είναι οι ασθενείς τους. Όταν έρχεται κάτι να βγάλει τον γιατρό από τον κεντρικό του ρόλο έχουμε αντίσταση. Και στη Γαλλία ισχύει αυτό. Χρειάζεται να αλλάξουν οι άνθρωποι νοοτροπία. Χρειάζεται να πάμε προς το μέλλον.

Φαντάζομαι ότι η τεχνητή νοημοσύνη ενισχύει την τάση των τελευταίων ετών στην ιατρική προς την εξατομικευμένη θεραπεία.

Η ιδέα της εξατομικευμένης θεραπείας, αυτό δηλαδή που αποκαλείται Ιατρική Ακριβείας, υπάρχει εδώ και περίπου 20 χρόνια. Στην πραγματικότητα είναι ένα αγαθό για λίγους, γιατί μιλάμε για εξειδικευμένα νοσοκομεία, με εξειδικευμένο προσωπικό και εξειδικευμένα φάρμακα. 

Η τεχνητή νοημοσύνη μπορεί να οδηγήσει σε ακριβέστερες διαγνώσεις. Γιατί το πρόβλημα με τον καρκίνο, και όχι μόνο με τον καρκίνο, είναι ότι συνήθως δεν πρόκειται για μία ασθένεια. Για παράδειγμα ο καρκίνος του στήθους δεν είναι μία ασθένεια, αλλά τέσσερις διαφορετικές ασθένειες, τις οποίες βάζουμε κάτω από το ίδιο όνομα. 

Η τεχνητή νοημοσύνη μπορεί να μας βοηθήσει να αναγνωρίσουμε τον φαινότυπο της ασθένειας, να καταλάβουμε δηλαδή το εσωτερικό της. Ακόμα κι αν δεν φτάσουμε στην 100% εξατομίκευση, αν έστω αναγνωρίσουμε εγκαίρως σε ποια υποομάδα ανήκει, θα έχουμε τη δυνατότητα να επιλέξουμε μία θεραπεία χωρίς να χάσουμε χρόνο, γιατί το επίσης σημαντικό στον καρκίνο είναι ο χρόνος. Δηλαδή αν κάνουμε κάτι και δεν δουλέψει, δυστυχώς μετά έχουμε χάσει χρόνο και ο καρκίνος μπορεί να εξελιχθεί πολύ πιο γρήγορα. 

Σήμερα επίσης βοηθάει το γεγονός ότι στις περισσότερες ασθένειες έχουμε πολυμορφικά δεδομένα. Θα κοιτάξουμε εικόνες, αναλύσεις αίματος, αναλύσεις DNA. Συνδυάζουμε τα πολυμορφικά δεδομένα, που μας δίνουν μία γενική εικόνα του ασθενή με τη δυνατότητα πρόσβασης σε βάσεις δεδομένων από το παρελθόν, με πληροφορίες για το τι ακριβώς δούλεψε και τι δεν δούλεψε, και μετά προσπαθούμε να αποφασίσουμε αν αυτός ο ασθενής είναι πιο πιθανό να ακολουθήσει την τάδε διαδρομή στην ασθένεια, οπότε ίσως θα έπρεπε να τον θεραπεύσουμε με τη δείνα θεραπεία. Είμαστε ακόμα μακριά από την εξατομίκευση της θεραπείας, αλλά ένα σημαντικό βήμα θα είναι να καταφέρουμε να πάμε στο πλαίσιο της υποκατηγοριοποίησης των ασθενειών. Αυτό θα είναι ήδη τεράστιο.

Πώς φτάνουν τα big data του καρκίνου στο γραφείο ενός γιατρού, σε ένα τοπικό νοσοκομείο; 

Στη Γαλλία πρωτόκολλα που καθορίζονται από το κεντρικό σύστημα υγείας. Υπάρχει ένας ελάχιστος αριθμός εξετάσεων, τα οποία είναι συνήθως μία αξονική ή μαγνητική, ίσως ένα PET-SCAN, κ.τ.λ. Όλα αυτά πλέον γίνονται μέσω εφαρμογής πληροφοριών, όπως αυτές που έχει το κινητό μας τηλέφωνο. Τα κινητά μας σήμερα έχουν την ίδια υπολογιστική δυνατότητα με τον υπολογιστή που χρησιμοποιήθηκε το 1960 για να στείλει το διαστημόπλοιο στη σελήνη. Δηλαδή αυτή τη στιγμή έχουμε φτάσει σε τέτοιο σημείο, που η ηλεκτρονική διαβίβαση δεδομένων είναι πολύ απλή και εύκολη. Το πραγματικό πρόβλημα είναι πώς τα φέρνουμε όλα μαζί στην ίδια βάση και πώς κάνουμε τη σωστή ανάλυση ώστε να πάρουμε τη σωστή απόφαση.

Υγεία για όλους 

Υπάρχει μια γενικευμένη αίσθηση ότι βρισκόμαστε σε ένα σημείο καμπής, δηλαδή ότι η τεχνολογία έχει φτάσει σε μια τρομερή κορύφωση και κινείται με ρυθμό που συχνά δυσκολευόμαστε να παρακολουθήσουμε. 

Είμαστε σε ένα peak, όχι γιατί η τεχνολογία έχει προχωρήσει τόσο πολύ. Δηλαδή αν κοιτάξουμε τα μαθηματικά που χρησιμοποιούμε πίσω από τις τεχνικές σήμερα, είναι τα ίδια με αυτά που χρησιμοποιούσαμε πριν από 100 χρόνια. Αυτό που έχει αλλάξει είναι οι τεράστιες υπολογιστικές δυνατότητες. Όσο περνούν τα χρόνια, τόσο περισσότερη υπολογιστική δύναμη διαθέτουμε. Δηλαδή έχουμε τη δυνατότητα να προβλέπουμε το μέλλον. 

Επιπλέον σήμερα διαθέτουμε πάρα πολλά δεδομένα, τα οποία παλιά δεν ήταν διαθέσιμα. Θα σας δώσω μια ιδέα. Το 2000, όταν ήμουν διδακτορικός φοιτητής, είχαμε μια βάση δεδομένων με 300 εικόνες και ήταν μια τεράστια υπόθεση αυτό. Τώρα μιλάμε για δεκάδες εκατομμύρια δεδομένα. 

Ποια πιστεύετε ότι είναι η επόμενη φάση της για την ανθρώπινη υγεία και ποιος θα είναι ρόλος της τεχνητής νοημοσύνης; 

Η τεχνητή Νοημοσύνη θα έχει τεράστιες επιπτώσεις σε δύο τομείς. Η πρώτη επίπτωση θα είναι στις φαρμακευτικές εταιρείες. Θα μπορέσουμε κατά πάσα πιθανότητα να πάμε σε πιο γρήγορη δημιουργία φαρμάκων με λιγότερο κόστος. Θα μπορέσουμε να διαλέξουμε με πιο αποδοτικό τρόπο ποιος είναι ο καλύτερος δυνατός συνδυασμός. Το δεύτερο πράγμα που θα αλλάξει η τεχνητή νοημοσύνη είναι η «Υγεία για όλους». Το ενδιαφέρον της τεχνητής νοημοσύνης δεν είναι να εφαρμόσουμε τις λύσεις μας στα καλύτερα νοσοκομεία, γιατί έτσι κι αλλιώς διαθέτουν εξειδικευμένο προσωπικό, επαρκείς πόρους, και τη δυνατότητα να εξειδικεύσουν προσωπικό σε συγκεκριμένες ασθένειες. 

Το ζητούμενο είναι πώς μπορούμε να πάρουμε τις καλύτερες δυνατές πρακτικές, οι οποίες εφαρμόζονται σε πέντε νοσοκομεία, όπως το Md Anderson Cancer Center στην Αμερική, το Gustave Roussy στη Γαλλία, το Charité στη Γερμανία, και να δημιουργήσουμε κάτι το οποίο ίσως να μην είναι τόσο καλό όσο σε αυτά τα νοσοκομεία, ίσως να είναι κατά το ήμισυ, αλλά αυτό το μισό αν το φέρουμε στο Βόλο ή στην Πάτρα θα έχει τεράστιο αντίκτυπο στους ασθενείς.

Αν σκεφτούμε ακόμα πιο μακριά, σήμερα στην Ασία ή την Αφρική δεν υπάρχουν δυνατότητες θεραπείας. Όσο και να παραπονιόμαστε για την Ελλάδα, εξακολουθούμε να είμαστε μια χώρα όπου υπάρχει ένα σύστημα υγείας με τα μειονεκτήματα και τα προβλήματα που έχει. Αν όμως πάμε κάπου αλλού, τα πράγματα είναι τελείως διαφορετικά. 

Αυτό με οδηγεί σε άλλη μια ερώτηση που ήθελα να σας κάνω, που προκύπτει βέβαια και από τα λεγόμενά σας. Κατά πόσο η τεχνητή νοημοσύνη μπορεί να εκδημοκρατίσει την υγεία;

Πιστεύω ότι τον μεγαλύτερο αντίκτυπο της τεχνητής νοημοσύνης στον εκδημοκρατισμό της υγείας θα τον έχουμε σε περιοχές και νοσοκομεία όπου δεν έχουμε την απαραίτητη ειδίκευση. Θα σας δώσω ένα παράδειγμα. Στη Γαλλία, υπάρχει το Gustave Roussy, εξειδικευμένο νοσοκομείο στον καρκίνο, το οποίο νοσηλεύει 5.000 ασθενείς τον χρόνο, διαθέτει 16 μηχανήματα και μια εξειδικευμένη ομάδα για κάθε καρκίνο. Αν για παράδειγμα έχετε έναν καρκίνο στον λαιμό, έχουν μία ειδικευμένη ομάδα η οποία δουλεύει μόνο σε καρκίνους του λαιμού, δεν κάνει τίποτα άλλο. 

Τώρα πάμε σε μια μικρή πόλη, για παράδειγμα το Μονπελιέ, όπου έχουμε ένα ιδιωτικό νοσοκομείο που κάνει το ίδιο πράγμα, αλλά αντί για 15 μηχανήματα έχουν 2. Ο γιατρός που είναι εκεί θα τα κάνει όλα. Και τον λαιμό, και τον εγκέφαλο, και το στήθος, και τον προστάτη. Όταν κάποιος πρέπει να εξειδικευθεί σε όλα, είτε έχει τεράστιο χρόνο, είτε δεν μπορεί να εξειδικευθεί σε όλα. Δηλαδή το θέμα δεν είναι αν είναι καλός ή κακός ο γιατρός. Όλοι οι γιατροί είναι καλοί. Είναι θέμα χρόνου. 

Η τεχνητή νοημοσύνη θα βοηθήσει αφενός στην ελαχιστοποίηση του κόστους και αφετέρου στην προώθηση πρακτικών από τα καλύτερα νοσοκομεία∙ μπορεί όχι στο 100%, αλλά ακόμα και στο 80% ή στο 50% αν το καταφέρουμε, ο αντίκτυπος θα είναι τεράστιος.