Η Δρ Κωνσταντία Ζαρκογιάννη, ερευνήτρια στο Εθνικό Μετσόβιο Πολυτεχνείο, παρουσιάζει στην Οικονομική Επιθεώρηση πώς αναπτύσσεται και λειτουργεί μια βιοϊατρική εφαρμογή για την εκτίμηση της εμφάνισης και της εξέλιξης μιας ασθένειας

Οικονομική Επιθεώρηση, Νοέμβριος 2022, τ.1024

STARTUPS

συνέντευξη στη Μαρίνα Πρωτονοταρίου

Η κύρια ερευνήτρια του smarty4covid Κωνσταντία Ζαρκογιάννη, διδάκτωρ μηχανικός του Εθνικού Μετσόβιου Πολυτεχνείου (ΕΜΠ) και ΕΔΙΠ στη Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του ΕΜΠ, μιλάει στην Οικονομική Επιθεώρηση για το πρωτοποριακό σύστημα smarty4covid, που εντοπίζει ύποπτα κρούσματα Covid-19 από τα ηχητικά δεδομένα ομιλίας, βήχα και αναπνοής, όπως καταγράφονται από μία κινητή συσκευή.

Το smarty4covid είναι στην τελική ευθεία για να διατεθεί στο κοινό, δίνοντας σε όσους το χρησιμοποιούν τη δυνατότητα να γνωρίζουν την πιθανότητα νόσησης.

Το εν λόγω πρωτοποριακό σύστημα αναπτύχθηκε στο Εργαστήριο Βιοϊατρικών Προσομοιώσεων και Απεικονιστικής Τεχνολογίας (BIOSIM) σε συνεργασία με το Εργαστήριο Συστημάτων Τεχνητής Νοημοσύνης και Μάθησης (AILS) της Σχολής Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του ΕΜΠ. Επιστημονική υπεύθυνη του έργου είναι η καθ. Κωνσταντίνα Νικήτα, που διευθύνει το εργαστήριο BIOSIM, το οποίο δραστηριοποιείται και σε νέες εφαρμογές υγείας.

Όπως αναφέρει η Κ. Ζαρκογιάννη, το επόμενο πρότζεκτ με το οποίο ασχολείται είναι μια Healthtech εφαρμογή, η Allies (A Holistic approach for the management of diabetes mellitus), για την αποτελεσματική διαχείριση του σακχαρώδους διαβήτη τύπου 2, μιας νόσου που αφορά περίπου το 10% του παγκόσμιου πληθυσμού. Επίκειται και η δημιουργία μιας spin off εταιρείας που θα αναπτύσσει καινοτόμα ψηφιακά προϊόντα και υπηρεσίες για την ενδυνάμωση ασθενών με χρόνια νοσήματα και την υποστήριξη λήψης κλινικών αποφάσεων από τους επαγγελματίες υγείας. Ήδη στο BIOSIM πραγματοποιείται εκτενής έρευνα στη διερεύνηση νέων βιοδεικτών τόσο για την εμφάνιση όσο και για την εξέλιξη χρόνιων νοσημάτων.

«Στόχος μας είναι να αναπτύξουμε ψηφιακά προϊόντα και υπηρεσίες για την εξατομικευμένη παροχή φροντίδας υγείας. Εστιάζουμε κυρίως σε χρόνια νοσήματα όπως ο σακχαρώδης διαβήτης. Παράλληλα, η ψυχική υγεία –και συγκεκριμένα η κλινική κατάθλιψη– αποτελεί έναν ακόμα στόχο μας καθώς αφορά μεγάλο ποσοστό του πληθυσμού», ανέφερε η Κ. Ζαρκογιάννη και μας παρουσιάζει πώς αναπτύσσεται και πώς λειτουργεί μια βιοϊατρική εφαρμογή για την εκτίμηση τόσο της εμφάνισης όσο και της εξέλιξης της πορείας μιας ασθένειας.

 

Πώς αποφασίσατε να δημιουργήσετε το smarty4covid;

Η ιδέα γεννήθηκε στις αρχές της πανδημίας, όταν υπήρχε ανάγκη για ένα εργαλείο αυτοδιάγνωσης. Σκεφτήκαμε, λοιπόν, να αξιοποιήσουμε την τεχνολογία των smartphones για την καταγραφή ηχητικών, ώστε να συλλέξουμε δεδομένα φωνής, βήχα και αναπνοής, τα οποία παρέχουν σημαντικές πληροφορίες σχετικά με τη λειτουργία του αναπνευστικού συστήματος.

Επειδή η νόσος Covid-19 προσβάλλει κυρίως το αναπνευστικό σύστημα, με την εφαρμογή μεθόδων τεχνητής νοημοσύνης στις ηχητικές καταγραφές φωνής, βήχα και αναπνοής μπορούμε να εντοπίσουμε παθολογικά μοτίβα, που καταδεικνύουν την εμφάνιση της νόσου.

Ως εργαστήριο έχουμε μακρόχρονη εμπειρία στην ανάπτυξη συστημάτων υποστήριξης κλινικών αποφάσεων και στην ανάλυση βιοϊατρικών σημάτων, γεγονός που κατέστησε εφικτή την υλοποίηση της ιδέας του smarty4covid.

Τον Απρίλιο του 2020 συμμετείχαμε στον παγκόσμιο διαγωνισμό HACH CORONA GREECE και καταφέραμε να κατακτήσουμε τη δεύτερη θέση. Στη συνέχεια υποβάλαμε πρόταση στο Ελληνικό Ίδρυμα Έρευνας και Καινοτομίας (ΕΛΙΔΕΚ) για χρηματοδότηση στο πλαίσιο της εμβληματικής δράσης: «Παρεμβάσεις προς αντιμετώπιση των οικονομικών και κοινωνικών επιπτώσεων της πανδημίας Covid-19». Η πρότασή μας έγινε δεκτή και ξεκινήσαμε την υλοποίηση του smarty4covid.

 

Σε ποια φάση της υλοποίησης βρίσκεστε σήμερα;

Βρισκόμαστε στο στάδιο ανάλυσης δεδομένων με μεθόδους ερμηνεύσιμης τεχνητής νοημοσύνης.

Το πρώτο στάδιο ήταν η συλλογή κατάλληλων δεδομένων εφαρμόζοντας τη μέθοδο crowdsourcing. Για την επίτευξη αυτού, έχει αναπτυχθεί μια διαδικτυακή εφαρμογή (www.smarty4covid.org) που είναι προσβάσιμη από οποιαδήποτε συσκευή διαθέτει μικρόφωνο (κινητό, τάμπλετ, λάπτοπ, προσωπικός υπολογιστής). Ο χρήστης παρέχει πληροφορία σχετικά με κάποια δημογραφικά στοιχεία και απαντά σε ερωτήσεις, προκειμένου να συλλέξουμε υλικό για την κατάσταση της υγείας του. Στη συνέχεια πραγματοποιεί ηχητικές καταγραφές ομιλίας, κανονικής αναπνοής, βαθιάς ανάσας και βήχα. Μετά την πραγματοποίηση των ηχητικών καταγραφών ο χρήστης καλείται να δώσει και άλλες πληροφορίες, όπως συμπτώματα, κατάσταση εμβολιασμού, ζωτικές παραμέτρους και συνήθειες καπνίσματος. Μετά την τελική υποβολή, ο χρήστης λαμβάνει μια αναφορά που συνοψίζει τις απαντήσεις του, καθώς και κάποια στατιστικά στοιχεία, που αφορούν το σύνολο των χρηστών του smarty4covid. Επιπλέον, ο χρήστης λαμβάνει και ένα link, το οποίο μπορεί να μοιραστεί με τον γιατρό του για να του δώσει πρόσβαση στις απαντήσεις του και στα πρωτογενή ηχητικά σήματα. Με αυτόν τον τρόπο, το smarty4covid μπορεί να εξυπηρετεί και σκοπούς τηλεϊατρικής.

Στο ίδιο σύστημα που χρησιμοποιούμε για τη συλλογή των δεδομένων, θα ενσωματώσουμε μοντέλα τεχνητής νοημοσύνης που θα συνεκτιμούν τα δεδομένα του εκάστοτε χρήστη για την εξαγωγή της πιθανότητας νόσησης από Covid-19.

To smarty4covid κυκλοφόρησε την περίοδο που η μετάλλαξη Όμικρον διαδιδόταν, με αποτέλεσμα να συλλέξουμε αρκετά δεδομένα τόσο από υγιείς όσο και από νοσούντες. Συγκεκριμένα, μέσα από τη συμμετοχή 11.000 και πλέον χρηστών δημιουργήσαμε μια βάση δεδομένων με περισσότερες από 22.000 ηχητικές καταγραφές. Βρισκόμαστε στη διαδικασία ανάπτυξης των μοντέλων εκτίμησης του κινδύνου νόσησης και ευελπιστούμε ότι σε 2 μήνες τα μοντέλα αυτά θα ενσωματωθούν στο smarty4covid. Στόχος μας είναι να εφαρμόσουμε ερμηνεύσιμη τεχνητή νοημοσύνη, έτσι ώστε το smarty4covid να μην επιστρέφει μόνο την εκτιμώμενη πιθανότητα, αλλά και να εξηγεί για ποιο λόγο προέκυψε το συγκεκριμένο αποτέλεσμα.

Προς αυτήν την κατεύθυνση δημιουργήσαμε μια κοινότητα από ειδικούς γιατρούς, οι οποίοι μέσω μιας πλατφόρμας μπορούν να έχουν πρόσβαση στα δεδομένα και να χαρακτηρίσουν τις ηχητικές καταγραφές (π.χ. παραγωγικός βήχας), καθώς και να προβούν σε σύσταση για τον συγκεκριμένο χρήστη (π.χ. επανάληψη του τεστ, επικοινωνία με ειδικό́, κ.τ.λ.). Μέσω αυτής της διαδικασίας δημιουργούμε ένα επισημειωμένο σύνολο δεδομένων κατάλληλο για την εφαρμογή ερμηνεύσιμης τεχνητής νοημοσύνης.

 

Ποιο είναι το ποσοστό επιτυχίας για την αυτοδιάγνωση; Το smarty4covid μπορεί να προβλέψει και την εξέλιξη της νόσου;

Τα προκαταρκτικά αποτελέσματα δείχνουν ότι η διακριτική ικανότητα του μοντέλου, το οποίο λαμβάνει υπόψιν τόσο τις ηχητικές καταγραφές όσο και τις απαντήσεις σε όλες τις ερωτήσεις του smarty4covid, φτάνει στο 80%.

Το smarty4covid έχει αρχίσει από τον Νοέμβριο να τρέχει πιλοτικά στο νοσοκομείο ΑΧΕΠΑ, για τη συλλογή δεδομένων από νοσηλευόμενους ασθενείς με Covid-19. Αυτά τα δεδομένα θα χρησιμοποιηθούν για την ανάπτυξη μοντέλου εκτίμησης της έκβασης της νοσηλείας. Ένα τέτοιο μοντέλο είναι χρήσιμο για το ιατρικό προσωπικό, καθώς η πορεία της νόσου είναι απρόβλεπτη.

Τη συγκεκριμένη εφαρμογή δεν είχαμε σκοπό να την αξιοποιήσουμε επιχειρηματικά. Ωστόσο, η τεχνογνωσία που αποκτούμε από την επεξεργασία ηχητικών καταγραφών και τη συσχέτισή τους με το αναπνευστικό σύστημα αποτελεί επιπλέον όπλο στη φαρέτρα μας για εμπορική αξιοποίηση.

 

Υπάρχουν άλλες ιατρικές εφαρμογές που ετοιμάζετε; Θα τις αξιοποιήσετε επιχειρηματικά;

Παράλληλα με το smarty4covid δραστηριοποιούμαστε και στην ανάπτυξη συστημάτων υποστήριξης κλινικών αποφάσεων για τη διαχείριση του σακχαρώδους διαβήτη. Μάλιστα, η ερευνητική ενασχόλησή μας με το συγκεκριμένο αντικείμενο έχει ξεκινήσει εδώ και πολλά χρόνια. Δεδομένης της τεχνογνωσίας και του δικτύου που έχουμε δημιουργήσει, αποφασίσαμε να συστήσουμε μια spin off εταιρεία, μέσω του ΕΜΠ. Ειδικότερα, στοχεύουμε στον σακχαρώδη διαβήτη τύπου 2, που είναι μια τεράστια αγορά, αφού το 10% του πληθυσμού παγκοσμίως έχει σακχαρώδη διαβήτη και από αυτούς το 90% έχει τύπου 2. Πρέπει να τονιστεί ότι το 40% των περιπτώσεων είναι χωρίς διάγνωση διότι η νόσος είναι ασυμπτωματική στα αρχικά της στάδια. Ένας από τους στόχους μας, λοιπόν, είναι να αναπτύξουμε ένα διαδικτυακά προσβάσιμο υπολογιστικό μοντέλο το οποίο θα εξάγει τον κίνδυνο νόσησης από σακχαρώδη διαβήτη τύπου 2. Με αυτόν τον τρόπο, ευελπιστούμε να εντοπίσουμε τα άτομα με υψηλή πιθανότητα να έχουν νοσήσει και να τους προτρέψουμε να κάνουν ιατρικές εξετάσεις.

Επίσης, επικεντρωνόμαστε στη διαχείριση της νόσου, μέσω της δημιουργίας εξατομικευμένου προφίλ των ασθενών με βάση τον κίνδυνο εμφάνισης επιπλοκών (π.χ. καρδιαγγειακά) και οξέων επεισοδίων, καθώς και νοσηλείας. Πολλά από αυτά μπορούν να προληφθούν, εάν ο ασθενής λάβει εγκαίρως προληπτικά μέτρα. Προς το παρόν το συγκεκριμένο σύστημα λέγεται Allies και περιλαμβάνει μια διαδικτυακά προσβάσιμη εφαρμογή για χρήση από το ιατρικό προσωπικό με δυνατότητες απομακρυσμένης παρακολούθησης και διαχείρισης, καθώς και μια εφαρμογή κινητού που λειτουργεί ως έξυπνος προσωπικός βοηθός για τους ασθενείς. Βρισκόμαστε στη φάση των alpha testings και ευελπιστούμε να ξεκινήσουμε την πιλοτική εφαρμογή του μέσα στον επόμενο μήνα. Η πιλοτική φάση θα διαρκέσει 6-12 μήνες και στη συνέχεια θα κυκλοφορήσει στην αγορά.

Το σύστημα Allies θα ανήκει στη spin off του ΕΜΠ που θα ιδρύσουμε. Παράλληλα με την ανάπτυξη του προϊόντος αναζητούμε στρατηγικές και επενδυτικές συνεργασίες. Στόχος μας είναι επεκτείνουμε το Allies για την παρακολούθηση και διαχείριση και άλλων νοσημάτων, όπως ο καρκίνος, τα καρδιαγγειακά και η κατάθλιψη.