Ο Δρ. Αντώνης Αρμούντας σπούδαζε ηλεκτρολόγος μηχανικός στο Εθνικό Μετσόβιο Πολυτεχνείο, όταν αποφάσισε ότι το αντικείμενο ήταν λίγο μακριά από τα γούστα του.
«Δεν μπορούσα να βρω κανένα νόημα σε αυτό που έκανα», λέει. Ετσι, άρχισε να ασχολείται με τη βιοϊατρική μηχανική, η οποία εφαρμόζει τα εργαλεία επίλυσης προβλημάτων της μηχανικής στη βιολογία και την ιατρική για τη βελτίωση της ανθρώπινης υγείας. Αυτός ο τομέας του κέντρισε το ενδιαφέρον και έτσι εστίασε εκεί τις σπουδές του κάνοντας μεταπτυχιακό στη βιοϊατρική μηχανική στο Πανεπιστήμιο της Βοστώνης και διδακτορικό στην πυρηνική μηχανική στο Ινστιτούτο Τεχνολογίας της Μασαχουσέτης (MIT).Στην πορεία, το πάθος του για την ιατρική μεγάλωνε.
«Ενιωθα ότι υπηρετούσα έναν σκοπό που είχε πιο νόημα», περιγράφει. «Η ιατρική έγινε το κύριο πάθος μου, αλλά η χρήση αρχών μηχανικής στην ιατρική έδωσε αυτό το νόημα».
Ο κ.Αρμούντας μελετά τώρα τους τρόπους με τους οποίους η τεχνητή νοημοσύνη μπορεί να βελτιώσει την υγειονομική περίθαλψη. Είναι κύριος ερευνητής στο Καρδιαγγειακό Ερευνητικό Κέντρο του Γενικού Νοσοκομείου της Μασαχουσέτης στη Βοστώνη και αναπληρωτής καθηγητής ιατρικής στην Ιατρική Σχολή του Χάρβαρντ.
Στο πλαίσιο της σειράς «The Experts Say» (μτφ. Οι Ειδικοί Μιλούν) ο Ελληνας επιστήμονας αναφέρεται στη δουλειά του πάνω στην τεχνητή νοημοσύνη. Κληθείς να σχολιάσει πώς χρησιμοποιείται η τεχνητή νοημοσύνη στον τομέα της καρδιολογίας λέει: «Γνωρίζουμε ότι η τεχνητή νοημοσύνη χρησιμοποιείται σε κάθε πτυχή της καρδιολογίας, συμπεριλαμβανομένης της διάγνωσης, ταξινόμησης και θεραπείας καρδιαγγειακών παθήσεων. Μερικά παραδείγματα του τρόπου χρήσης της AI περιλαμβάνουν την ερμηνεία της καρδιακής απεικόνισης και την αντιστοίχιση γενετικών παραλλαγών με χαρακτηριστικά που σχετίζονται με την υγεία για την καλύτερη κατανόηση των γενετικών κινδύνων για ασθένειες.Γνωρίζουμε ότι η τεχνητή νοημοσύνη έχει ξεπεράσει ακόμη και τις επιδόσεις των ειδικών γιατρών σε ορισμένες περιπτώσεις κατά την ερμηνεία της καρδιακής απεικόνισης. Μπορεί να ανιχνεύσει λεπτές, μη οπτικά ανιχνευόμενα δεδομένα κάνοντας μια ακριβέστερη διάγνωση».
Μιλώντας για την χρήση της τεχνητή νοημοσύνης στο Γενικό Νοσοκομείο της Μασαχουσέτης όπου εργάζεται αναφέρει τα εξής: «Θέλουμε να ενσωματώσουμε όλες τις διαθέσιμες πληροφορίες σχετικά με τους ασθενείς, προκειμένου να λάβουμε τις καλύτερες δυνατές αποφάσεις για αυτούς. Αυτό σημαίνει ότι μπορούμε να προβλέψουμε και να αποτρέψουμε ανεπιθύμητα συμβάντα. Στοχεύουμε επίσης να χρησιμοποιήσουμε την τεχνητή νοημοσύνη για να βοηθήσουμε στον καθορισμό του βέλτιστου χρόνου για το εξιτήριο ενός ασθενούς. Δεν θέλουμε να κρατήσουμε τους ασθενείς περισσότερο από όσο θα έπρεπε ή να τους στείλουμε σπίτι τους γρηγορότερα από όσο θα έπρεπε. Η AI μπορεί να βοηθήσει στη λήψη αυτών των αποφάσεων. Ενσωματώνει πληροφορίες που λαμβάνονται από διαφορετικές πηγές, οι οποίες αλλάζουν δυναμικά κατά τη διάρκεια της παραμονής ενός ασθενούς στο νοσοκομείο, όπως ηλεκτροκαρδιογραφήματα, αρτηριακή πίεση και ηλεκτρονικά αρχεία υγείας. Δεδομένου ότι δεν μπορούμε να έχουμε έναν γιατρό δίπλα στον ασθενή όλη την ώρα, η τεχνητή νοημοσύνη μπορεί να συλλέξει όλα αυτά τα δεδομένα και να τα ενσωματώσει, να δει αν γίνεται υπέρβαση ορισμένων παραμέτρων. Τότε μπορεί να κάνει μια σύσταση, ίσως ότι ο ασθενής ″Χ″ θα πρέπει να μείνει μία επιπλέον ημέρα».
Όσον αφορά την εξωνοσοκομειακή παρακολούθηση, επισημαίνει: «Γνωρίζουμε ότι πολλοί άνθρωποι χρησιμοποιούν φορητές συσκευές, όπως smartwatches που συλλέγουν δεδομένα, όπως εάν κάποιος έχει ακανόνιστο καρδιακό ρυθμό. Πολλές συσκευές δεν είναι ιατρικού βαθμού, επομένως δεν μπορούμε ακόμη να εμπιστευτούμε πλήρως αυτά τα δεδομένα, αλλά οδεύουμε προς καλύτερες τεχνολογίες. Θέλουμε να χρησιμοποιήσουμε τα δεδομένα που συλλέγουν αυτές οι συσκευές για να λάβουμε αποφάσεις σχετικά με το πότε ένας ασθενής πρέπει να έρθει στο νοσοκομείο. Δεν θέλουμε να φέρουμε κάποιον στο νοσοκομείο για έλεγχο χωρίς λόγο, αλλά δεν θέλουμε επίσης να τον φέρουμε πολύ αργά όταν η κατάστασή του έχει επιδεινωθεί. Η τεχνητή νοημοσύνη μπορεί να μας βοηθήσει να πάρουμε καλύτερες αποφάσεις για το πότε θα πρέπει να έρθουν, κάτι που θα μπορούσε όχι μόνο να βελτιώσει τη φροντίδα αλλά και να μειώσει το κόστος, κάτι που είναι ένα επιπλέον σημαντικό όφελος.
Στο ερώτημα αν ο ίδιος χρησιμοποιεί την AI και εκτός της εργασίας, απαντά με νόημα: «Η AI έχει μπει σε κάθε πτυχή της ζωής μας, είτε το γνωρίζουμε είτε όχι. Χρησιμοποιείται σε συστήματα πλοήγησης στο αυτοκίνητο για να μας βοηθήσει να αξιολογήσουμε την κυκλοφορία και να επιλέξουμε τη βέλτιστη διαδρομή για να φτάσουμε κάπου. Χρησιμοποιείται για να προσδιορίσει εάν ένα email είναι ανεπιθύμητο. Χρησιμοποιείται στα μέσα κοινωνικής δικτύωσης για να κατευθύνει τα ενδιαφέροντά μας σε ορισμένα θέματα. Μπορεί να μην του δίνουμε σημασία ή να μην καταλαβαίνουμε πώς χρησιμοποιείται, αλλά έχει μπει στη ζωή μας για τα καλά και ήρθε για να μείνει».
«Οι θεμελιώδεις αρχές πίσω από την τεχνητή νοημοσύνη δεν είναι νέες» εξηγεί και συνεχίζει. «Εχουν διδαχθεί εδώ και πολλά χρόνια, αλλά δεν ονομάζονταν AI ή μηχανική μάθηση. Οταν εμφανίζεται μια νέα τεχνολογία, μπορεί να μην τη χρησιμοποιώ απευθείας στη δουλειά μου, αλλά θα πειραματιστώ μαζί της. Για παράδειγμα, παίρνω ένα χαρτί που έχω γράψει και θέλω να δω πόσο καλά μπορεί να το καταλάβει μια νέα εφαρμογή τεχνητής νοημοσύνης, αν μπορεί να δημιουργήσει μια ακριβή περίληψη των όσων έγραψα. Είχα επίσης συζητήσεις με τον γιο μου, τον Αλκίνοο, ο οποίος είναι 22χρονος, δευτεροετής φοιτητής ιατρικής, σχετικά με ένα πρότζεκτ που κάνει για να συγκρίνει τη γνώμη ενός γιατρού για τη διάγνωση με το πόσο καλά η τεχνητή νοημοσύνη θα μπορούσε να κάνει σωστή διάγνωση χρησιμοποιώντας τα συμπτώματα του ασθενούς, τη φυσική εξέταση και τις διαγνωστικές και εργαστηριακές εξετάσεις».
Αναφορικά με το πώς μπορεί να χρησιμοποιηθεί η τεχνητή νοημοσύνη στην ιατρική στο μέλλον, παραθέτει τα εξής πολύ ενδιαφέροντα. «Το μέλλον είναι η ενοποίηση όλων αυτών των δεδομένων. Θέλουμε να πάρουμε όλες αυτές τις διαφορετικές πτυχές της κλινικής γνώσης, τη γονιδιωματική, τα δεδομένα που λαμβάνονται από φορητές συσκευές και τα ηλεκτρονικά αρχεία υγείας και το ιατρικό μας ιστορικό και να τα ενσωματώσουμε σε συστήματα που μπορούν να κάνουν βέλτιστες προβλέψεις για την υγεία ενός ατόμου. Με γοητεύει η ενσωμάτωση δεδομένων για την έρευνα πολυοργανικών συστημάτων - δηλαδή, πώς η ιατρική αρχίζει να αντιμετωπίζεται ολιστικά, χωρίς να επικεντρώνεται σε ένα μεμονωμένο πρόβλημα οργάνου αλλά μάλλον στο σώμα ως σύνολο. Για παράδειγμα, πώς η ψυχική κατάσταση ενός ατόμου συνδέεται με καρδιαγγειακά νοσήματα. Ο καθένας μας είναι διαφορετικός και χρειαζόμαστε αυτή την εξατομικευμένη φροντίδα για να βελτιώσουμε τα αποτελέσματα. Αυτή είναι η ελπίδα της τεχνητής νοημοσύνης στην ιατρική, η μετάβαση μια μέρα στην παροχή δίκαιης περίθαλψης και στη βελτίωση των αποτελεσμάτων σε εξατομικευμένη βάση».