A probléma: A Tumor Elemzés Mesterséges intelligenciával (TEMI) egy olyan projekt, mely egy új fajta megközelítést alkalmazva keresi a megoldást a rákos megbetegedésekre, amely évente milliók életét követeli világszerte.
Számos próbálkozásról hallani, azonban idáig csak kisebb sikereket értünk el. A probléma nagyságából és súlyosságából következtetve evidens, hogy siker esetén internacionális (minimum lokális) szinten kötelezővé tegyék az MI használatát a diagnosztikában, hiszen emberi életek függenek tőle.
Rengeteg működő gyógymód létezik már, mégis az esetek csaknem 50%-a a gyógymódok ellenére halállal végződik. A tudomány jelen állása szerinti gyógymódok a tumoros megbetegedések számtalan fajtájára sokkal effektívebbek és sokkal nagyobb túlélési arányt mutatnak korai (és szinte minden esetben tünetmentes) stádiumokban alkalmazva a későbbi, illetve végső stádiumokhoz képest. A probléma tehát nem módszertani, hanem sokkal inkább humán tényezőkben rejlik, kiemelten a diagnosztika terén.
Az orvosi hibafaktor lényegesen kisebb, azonban fennáll, ugyanis több ezer diagnosztikai kimenetből kell meghatározni a megfelelőt, a határesetek mellett.
A páciens oldali hibafaktor sokkal nagyobb, melyet a TEMI a rákkeltő életviteli tényezők felmérésével, és egy veszélyeztetettségi faktor kimutatásával orvosol.
Hipotézis: (és a projekt célja) A humán hibatényezőt felosztva a páciens és orvos oldali tényezőkre alapulva az emberi hibafaktor szinte teljes mértékben eliminálható mesterséges intelligencia alkalmazásával. Képessége abban rejlik, hogy minden paraméter számszerűsíthető (méret, lokáció stb.) és adatbázisba rendezhető, amelyre neurális hálózat építhető ki, mely klasszifikációval állítja fel a normál formáknak megfelelően a kimeneti diagnózist.
A többi próbálkozással szemben a megoldásnak:
- internacionális szintűnek,
- kombinált felhasználófelületűnek (orvos-páciens),
- megfelelő adatbázis struktúrával rendelkezőnek kell lennie.
Egy ilyen internacionális rendszeren keresztül sokkal könnyebben és gyorsabban építhető ki egyetemes adatbázis, melyet egy kimenetekre optimalizált klasszifikációs modell segítségével és optimalizálásával lehet a leggyorsabban, közel 100%-os diagnosztikai pontosságúra kifejleszteni és az emberi hibafaktorokat eliminálni.
Konklúzió: Mivel helyes kimenetet adó mesterséges intelligenciát pontos (bemenetre) adatbázisra lehet kiépíteni (melynek pontossága függ az adatbázis méretétől, és a modell optimalizációjától) a megoldást egy webes formátumú internacionálisan elérhető kombinált felhasználófelületű data pipeline azaz a TEMI jelentheti.
Módszer: A pályázó lokálisan futtatható web alapú aszinkronos elemzést biztosító felhasználóbarát rendszert épített ki, melyre egy 30 bemeneti attribútumos adatbázist kötött. Erre optimalizált neurális hálózattal 90%-os kimeneti pontosságot kapott.