A gépi tanulási módszerek alkalmazása révén megkönnyíthető az orvosok munkája. Egy most zajló kutatás célja például az, hogy mesterséges intelligencia segítségével gyorsítsák fel a méhnyakrákszűrésen vett kenetek elemzését – derült ki a győri Széchenyi István Egyetem, a Debreceni Egyetem és a Magyar Ipari Innovációs Matematikai Szolgáltatási Hálózat (HU-MATHS-IN) által gazdasági szervezetek számára tartott partnertalálkozón 2021. február 17-én.
A győri Széchenyi István Egyetem, valamint a hét hazai egyetem és két kutatóintézet 22 ipari matematikával foglalkozó kutatócsoportját összefogó HU-MATHS-IN 2021. február–márciusban online partnertalálkozókat rendez, hogy ismertesse a gazdaság szereplői számára a HU-MATHS-IN szervezetét, működését, valamint az ipari matematikai módszereknek az ipari, kutatás-fejlesztési és innovációs projektekben elért eddigi eredményeit és további hasznosítási lehetőségeit. A harmadik, február 17-én megtartott esemény témája az volt, hogyan lehet alkalmazni a gépi tanulás eszközeit orvosi környezetben.
Az ennek kapcsán szervezett online sajtótájékoztatón dr. Harangi Balázs, a Debreceni Egyetem Komputergrafika és Képfeldolgozás Tanszékének adjunktusa kifejtette: korábban már folytattak olyan kutatásokat, amelyek célja az volt, hogy hagyományos tanuló algoritmusokkal súlyosságuk szerint osztályozzák a cukorbetegség miatt kialakuló szembetegségeket a pupillán keresztül a szemfenékről készült felvételek alapján. Ezzel elsősorban az orvosok munkáját igyekeztek megkönnyíteni, akiknek így több idejük marad a hamarabb ellátásra szoruló páciensekre, s az időben megkezdett kezeléssel szinten tartható a látásromlás.
Az elmúlt néhány évben a gépi tanulás és a mélytanulás újabb eszközöket adott a kutatók kezébe. „Nagy mennyiségű digitális képből összeállíthatunk egy szakértők által felcímkézett adatbázist, amelyek révén mélytanuló hálók megtanulnak különbséget tenni a képek között, és akár felismerhetnek olyan diszkriminatív jellegű vizuális tulajdonságokat is, amelyeket szemmel vizsgálva még az orvosok sem kötöttek az adott betegséghez. A tanulási folyamat során önmagukat optimalizálják, hogy a lehető legmagasabb pontosságot érjék el” – mondta az adjunktus. Erre példa az a projekt, amelynek keretében olyan mobiltelefonos applikációt fejlesztettek ki laikusok számára, amely képes diagnosztizálni egy bőrelváltozásról, hogy az kóros-e, és érdemes-e miatta mielőbb bőrgyógyászhoz fordulni.
Dr. Harangi Balázs egy jelenleg futó kutatásról is beszámolt. „A nőknek évente ajánlott méhnyakrákszűrésre menni. Az ennek során levett kenetet üveglapra kenik, és mikroszkóp alatt vizsgálják meg. Az ezt végző szakember a mintegy tízezer laphámsejt között keresi azokat, amelyek már elindultak a kórosodás útján. A projektünk arról szól, hogy a gépi tanulás eszközeivel automatizáltan tudjuk elemezni az ilyen citológiai felvételeket, ami növelheti a pontosságot és legfőképpen a gyorsaságot” – részletezte. Hozzátette: a partnertalálkozó célja egyrészt annak megismerése, hogy az egészségügyi területen mit kutatnak az ezzel foglalkozó cégek, másrészt pedig közelebb hozni az iparban, illetve az egyetemeken és a kutatóintézetekben dolgozó szakembereket.
A sajtótájékoztatón dr. Horváth Zoltán, a HU-MATHS-IN, illetve az európai szervezet, az EU-MATHS-IN elnöke, a győri Széchenyi István Egyetem professzora elmondta, hogy az ipari matematika a matematikai kutatási eredmények (modellezés, szimuláció, optimalizáció, gépi tanulás) módszereinek ipari, gazdasági és különösen innovációs alkalmazását jelenti. Felhasználási lehetőségei rendkívül széles körűek, a járműipartól a mezőgazdaságon át az egészségiparig szinte minden ágazatra kiterjednek, ami forintosítható haszonnal kecsegtet a gazdaság szereplői számára. A HU-MATHS-IN éppen ezért örömmel várja a cégek megkeresését, hiszen az általa összefogott kutatócsoportok sokféle területen tudnak megoldást adni a felmerülő problémákra.
Dr. Horváth Zoltán hozzátette: az ipari matematikai kutatócsoportok több tudományág összefogásával, lényeges matematikai tartalom hozzáadásával érnek el fontos eredményeket. „Rendkívül gyakorlati kutatásokról van szó, és szeretnénk, hogy ezzel a ténnyel a vállalatvezetők és a döntéshozók is minél inkább tisztában legyenek. Ennek érdekében rendezzük meg a partnertalálkozókat, amelyeken a járványterjedés gazdasági hatásai, az egészségiparban használható hálózattudomány és adatbányászat, a gépi tanulás orvosi és ipari környezetben való alkalmazása, a pénzügyi kockázatmodellezés, valamint a járműipari ipari matematikai módszerek állnak a középpontban” – ismertette.