Blog

Αν και η Ελλάδα επιδεικνύει ψηφιακή ωριμότητα, η αξιοποίηση της τεχνητής νοημοσύνης στην καθημερινότητα καθυστερεί. Για το σημερινό τοπίο της ΤΝ στην ελληνική αγορά, τις προκλήσεις που έχει να αντιμετωπίσει, τις ευκαιρίες από την αξιοποίησή της, τις εφαρμογές της στην Υγεία αλλά και τα οφέλη για τους επιστήμονες, τους ασθενείς και το κράτος, μίλησε στο iatronet.gr ο κ. Αντώνιος Ντακανάλης (Antonios Dakanalis), Kαθηγητής και Eπικεφαλής ερευνητής Ψυχιατρικής και Ψυχοθεραπείας στο Πανεπιστήμιο «Μπικόκα» του Μιλάνου.

Η ΤΝ είναι εδώ. Οι επιχειρήσεις την υιοθετούν, οι ρυθμιστικές αρχές τη ρυθμίζουν και οι τεχνικοί συνεχίζουν να τη βελτιώνουν. Στην υγεία ειδικότερα, σε ποια φάση ανάπτυξης βρίσκεται σήμερα στην Ελλάδα και ποια θα πρέπει να είναι τα επόμενα βήματα; 

Ας αρχίσουμε από τα καλά νέα: η Ελλάδα επιδεικνύει όλο και περισσότερη ψηφιακή ωριμότητα, η ψηφιακή μετάβαση και διακυβέρνηση είναι έννοιες που μπήκαν στη συνείδηση της κοινωνίας, η εθνική στρατηγική για την τεχνητή νοημοσύνη είναι προ των πυλών και ο αριθμός τόσο των ελληνικών επιστημονικών δημοσιεύσεων στον τομέα της τεχνητής νοημοσύνης όσο και των νεοφυών εταιρειών, που δραστηριοποιούνται στην παροχή λογισμικού και εφαρμογών, παρουσιάζουν μια σταθερά ανοδική πορεία την τελευταία πενταετία. Αναπτύχθηκαν, μάλιστα, και αρκετές επιχειρήσεις, οι οποίες δραστηριοποιούνται στον κλάδο της υγείας.

Για παράδειγμα, η Advantis δημιούργησε ένα νευροαπεικονιστικό λογισμικό με κύριο αντικείμενο την εύκολη απεικόνιση και επεξεργασία μαγνητικών τομογραφιών εγκεφάλου, ενώ η Intelligencia χρησιμοποιεί την τεχνητή νοημοσύνη προκειμένου να ελαχιστοποιήσει την επικινδυνότητα, το κόστος και τους χρόνους ανάπτυξης νέων φαρμάκων. Αξιοσημείωτες τεχνολογικές λύσεις παρέχονται και από άλλες ελληνικές startups όπως η DeepMed και η LANGaware, που αξιοποιούν την ισχύ της τεχνητής νοημοσύνης με σκοπό την έγκαιρη και αποτελεσματική ανίχνευση νευροεκφυλιστικών ασθενειών όπως η άνοια και η νόσος του Αλτσχάιμερ και την παροχή εξατομικευμένων λύσεων φροντίδας για τους ασθενείς.

Παρόλα αυτά, η αξιοποίηση της τεχνητής νοημοσύνης στην καθημερινότητα καθυστερεί! Μάλιστα, σύμφωνα με τις αναλύσεις του Παρατηρητηρίου Ψηφιακού Μετασχηματισμού του ΣΕΒ, η χρήση τεχνολογιών αιχμής όπως η τεχνητή νοημοσύνη, που δεν είναι πια σενάριο επιστημονικής φαντασίας, παραμένει πολύ περιορισμένη στην Ελλάδα σε σχέση με την υπόλοιπη Ευρώπη. Σημαντικοί ανασταλτικοί παράγοντες για την αξιοποίηση της τεχνητής νοημοσύνης στην υγεία είναι η έλλειψη ικανού όγκου αξιοποιήσιμων πληροφοριών και δεδομένων υγείας που είναι αναγκαίες για την “εκπαίδευση” των συστημάτων τεχνητής νοημοσύνης και η περιορισμένη υπολογιστική ισχύς στις δομές υγείας που είναι αναγκαία για την εκτέλεση σύνθετων υπολογισμών. Αυτά τα κενά πρέπει να καλυφθούν και η Ελλάδα πρέπει να κινηθεί τάχιστα στην ψηφιοποίηση όλων των αρχείων και των ιατρικών πληροφοριών. Την ώρα που μιλάμε για τεχνητή νοημοσύνη και τροφοδότηση των συστημάτων με δεδομένα, στην Ελλάδα ο γιατρός εξακολουθεί σε πολλές περιπτώσεις να ζητεί πληροφορίες για αποτελέσματα εξετάσεων ή θεραπειών από τον ίδιο τον ασθενή.

Για την ταχύτερη ενσωμάτωση των τεχνολογιών αιχμής στον τομέα της υγείας, χρειάζεται επίσης σύνδεση των πανεπιστημίων με τις επιχειρήσεις και δημιουργία διεπιστημονικών κέντρων καινοτομίας, όπου θα αναπτύσσονται εφαρμογές τεχνητής νοημοσύνης που θα ανταποκρίνονται στις πραγματικές ανάγκες και στα προβλήματα που αντιμετωπίζει σήμερα ο κλάδος της σωματικής και ψυχικής υγείας εντός Ελλάδας αλλά και διεθνώς.

Σε ποιους τομείς της υγείας θα μπορούσε να εφαρμοστεί πιο εύκολα η Τεχνητή Νοημοσύνη και σε ποιους δυσκολότερα και γιατί;

Η τεχνητή νοημοσύνη εξελίσσεται ταχύτατα και όπως εφαρμόζεται σε όλες τις επιστήμες βρίσκει εφαρμογή και στις διάφορες ειδικότητες της ιατρικής, βοηθώντας τους γιατρούς να φτάσουν ταχύτερα και ακριβέστερα είτε στη διάγνωση είτε στη λήψη κλινικής απόφασης για αποτελεσματικότερη, εξατομικευμένη θεραπεία.

Οι δυνατότητες των εφαρμογών της τεχνητής νοημοσύνης στον χώρο της υγείας είναι ήδη αρκετές. Στην καρδιολογία υπάρχουν αλγόριθμοι που αξιολογούν καρδιογραφήματα εντός δευτερολέπτων. Στη νευρολογία μπορεί η τεχνητή νοημοσύνη να συνεισφέρει στην έγκαιρη διάγνωση της νόσου του Αλτσχάιμερ ενώ στο πεδίο της χειρουργικής υπάρχουν προγράμματα που συνδράμουν, διορθωτικά κυρίως, το έργο του χειρουργού. Όμως αυτή τη στιγμή οι μεγαλύτερες επενδυτικές πρωτοβουλίες αφορούν την απεικόνιση του καρκίνου και τον τομέα της ακτινολογίας. Θα λέγαμε λοιπόν ότι η μεγαλύτερη εφαρμογή των συστημάτων τεχνητής νοημοσύνης στη σωματική υγεία είναι η ανάλυση εικόνας, γεγονός  λογικό αφού ο όγκος των ιατρικών απεικονίσεων είναι μεγάλος και η αξιολόγησή τους απαιτεί  εξειδίκευση και χρόνο. Ακόμα πιο εντυπωσιακό είναι το γεγονός ότι η τεχνητή νοημοσύνη μπορεί να εντοπίσει σε μια αξονική τομογραφία ή σε μια μαστογραφία κακοήθειες σε πολύ αρχικά στάδια που το ανθρώπινο μάτι δεν μπορεί να διακρίνει.

Δυστυχώς, στην ειδικότητα μου, την ψυχιατρική, δεν έχουμε στη διάθεσή μας αξιόπιστους βιοδείκτες και διαγνωστικές εξετάσεις όπως οι υπόλοιπες ειδικότητες της Ιατρικής. Δεν υπάρχει, δηλαδή, μια εξέταση, αιματολογική ή απεικονιστική που να μας επιτρέπει να διαγνώσουμε το είδος και τη σοβαρότητα της νόσου και την ενδεδειγμένη θεραπεία! Ο ψυχίατρος βασίζεται στη λεκτική και εξωλεκτική επικοινωνία που έχει με τον ασθενή του και στη λήψη ιστορικού.

Παρόλο που ο ευαίσθητος τομέας της ψυχικής υγείας απαιτεί αντίληψη, ανθρώπινη αλληλεπίδραση, διαίσθηση και συναισθηματική νοημοσύνη που οι υπολογιστές και τα ρομπότ δεν μπορούν να προσομοιώσουν, ακόμα και εδώ η τεχνητή νοημοσύνη μπορεί να ωφελήσει σημαντικά με την ικανότητά της να αντλεί μεγάλο όγκο δεδομένων από διάφορες πηγές (δεδομένα απεικόνισης εγκεφάλου, δεδομένα που λαμβάνονται από smartphone, φορητές συσκευές και μέσα κοινωνικής δικτύωσης, ηλεκτρονικά αρχεία υγείας,  κ.λπ.), να τα επεξεργάζεται και να τα αναλύει, προβλέποντας έγκαιρα με μεγάλη ακρίβεια διάφορα προβλήματα ψυχικής υγείας, συμπεριλαμβανομένων των αυτοκτονιών,  που είναι και το μείζον ζήτημα στην κλινική πράξη.

Εμείς στο Πανεπιστήμιο του Μιλάνου, χρησιμοποιούμε πραγματικά κλινικά δεδομένα ασθενών αλλά και ηλεκτρονικά αρχεία υγείας τα οποία αναλύονται από συστήματα τεχνητής νοημοσύνης και αλγορίθμους μηχανικής μάθησης με σκοπό να εντοπίσουμε με ακρίβεια ποιοι ασθενείς με κατάθλιψη δεν θα ανταποκριθούν επαρκώς ή καθόλου στα υπάρχοντα αντικαταθλιπτικά. Ο έγκαιρος εντοπισμός των ασθενών αυτών που πάσχουν από τη λεγόμενη φαρμακοανθεκτική κατάθλιψη και διατρέχουν, μεταξύ άλλων, αυξημένο κίνδυνο αυτοκτονίας, είναι εξαιρετικά σημαντικός καθώς μπορεί να συμβάλλει στη βέλτιστη στρατηγική διαχείριση αυτών των περιπτώσεων (π.χ. με χρήση διαφορετικών θεραπευτικών μεθόδων από τις ευρέως χρησιμοποιούμενες) βοηθώντας μας να παρέμβουμε εγκαίρως, πριν μια κατάσταση γίνει πιο σοβαρή και εξοικονομώντας πόρους τόσο σε ανθρώπινο όσο και σε οικονομικό επίπεδο. Επιπλέον, επικεντρωνόμαστε στον πρόωρο εντοπισμό ψυχικής δυσφορίας (π.χ. κατάθλιψη) στους χώρους εργασίας και σε ακριτικές περιοχές με ανεπαρκή πρόσβαση σε υπηρεσίες ψυχικής υγείας, ένα τεράστιο και σημαντικό κεφάλαιο και για την χώρα μας!

Eίναι δύσκολο να σκεφτώ έναν τομέα της υγείας, που η τεχνητή νοημοσύνη δεν θα μεταμορφώσει!

Η εφαρμογή της τεχνητής νοημοσύνης δημιουργεί ηθικούς κινδύνους ή ακόμη και νομικούς (προστασία των προσωπικών δεδομένων); Το θεσμικό πλαίσιο της Ελλάδος πιστεύεται ότι οχυρώνει την υγεία απέναντι σε τέτοιους κινδύνους που μπορεί να ενέχει η Τεχνητή Νοημοσύνη;

Η νοημοσύνη που επιδεικνύουν οι μηχανές θα βελτιώσει τη ζωή μας. Θα προσφέρει ευκαιρίες και εφαρμογές, που θα αλλάξουν τον κόσμο για πάντα, από αυτόνομα οχήματα και εξελιγμένα ρομπότ μέχρι επιδιόρθωση γενετικού υλικού και τρισδιάστατες εκτυπώσεις ζωντανού ιστού!

Θέλω να γίνει κατανοητό ότι η τεχνητή νοημοσύνη από μόνη της δεν είναι κίνδυνος! Άλλωστε, είναι μια μηχανή που τη διδάσκει ο άνθρωπος! Εκτελεί γρήγορα τις εντολές μας και μαθαίνει να σκέφτεται με τον τρόπο που εμείς την εκπαιδεύουμε. Εμείς είμαστε υπεύθυνοι για την “τροφή” που θα δώσουμε στην τεχνητή νοημοσύνη και η τροφή της είναι τα δεδομένα. Για αυτό, πρέπει να σταματήσουμε να συζητάμε εάν η τεχνητή νοημοσύνη θα γίνει αρκετά εξελιγμένη για να καταστήσει τους ανθρώπους περιττούς και αντ’ αυτού να εστιάσουμε στον καλύτερο τρόπο διαμόρφωσης του μέλλοντος, αντιμετωπίζοντας τα ζητήματα και τις προκλήσεις που προκύπτουν και που επισήμανε ήδη και ο Παγκόσμιος Οργανισμός Υγείας όπως η ποιότητα των δεδομένων και ο κίνδυνος μεροληψίας και διαρροής εμπιστευτικών και ευαίσθητων πληροφοριών υγείας των πολιτών.

Σήμερα, τα ευαίσθητα προσωπικά δεδομένα υγείας των πολιτών προστατεύονται από κανονιστικές οδηγίες που παρέχονται από τον GDPR και το HIPAA, όμως η τεχνολογία είναι πάντα ένα βήμα μπροστά.

Απαραίτητη προϋπόθεση για την αξιοποίηση συστημάτων τεχνητής νοημοσύνης στον τομέα της  σωματικής και ψυχικής υγείας και της υγειονομικής περίθαλψης αποτελεί η διαθεσιμότητα αξιόπιστων και αντιπροσωπευτικών δεδομένων υγείας. Η πρόκληση και η δυσκολία είναι αφενός να τα εξασφαλίσουμε και αφετέρου να τα προστατεύσουμε από διαρροές.

Ο νέος προτεινόμενος Ευρωπαϊκός Κανονισμός γύρω από την Τεχνητή Νοημοσύνη, γνωστός ως AI EU Act, προσπάθησε να θέσει τους πρώτους κανόνες, που θα διασφαλίζουν, ότι η τεχνολογία της τεχνητής νοημοσύνης θα αναπτύσσεται και θα χρησιμοποιείται από εδώ και στο εξής στην ευρωπαϊκή οικογένεια, διατηρώντας απόλυτο σεβασμό προς τα δικαιώματα των πολιτών. Είμαι πεπεισμένος ότι σύντομα θα υπάρξει ένα ολοκληρωμένο νομοθετικό και ρυθμιστικό πλαίσιο δράσης μεταξύ των κρατών-μελών της ΕΕ αναφορικά με τους όρους και τις προδιαγραφές χρήσης και εφαρμογής της τεχνητής νοημοσύνης.

Άλλωστε η ΕΕ έχει αποδείξει ότι είναι καλή στη ρύθμιση! Νας σας θυμίσω το παράδειγμα του iPhone 15, όπου η ΕΕ ξαναέστειλε την Apple στα σχεδιαστήρια καθώς από το 2024 όλες οι κινητές ηλεκτρονικές συσκευές που θα διατίθενται στην αγορά της ΕΕ θα πρέπει να συμμορφωθούν και να έχουν κοινή θύρα φόρτισης συγκεκριμένου τύπου, USB-C.

Η ενασχόληση με το νομοθετικό και ρυθμιστικό πλαίσιο εφαρμογής της τεχνητής νοημοσύνης είναι τόσο σημαντική όσο και οι επενδύσεις στις τεχνολογίες αιχμής. Η Ευρώπη δεν μπορεί να μείνει πίσω από τις εξελίξεις στο πεδίο της τεχνητής νοημοσύνης που θα προκύψουν ούτως ή άλλως στον υπόλοιπο κόσμο με πρωταγωνιστές την Αμερική, την Κίνα και την Ινδία. Αν χαθεί η ευκαιρία της ενεργού συμμετοχής μας σε αυτήν την τεχνολογική επανάσταση που είναι ακόμα στα σπάργανα της, ενδεχομένως να απειληθεί και η ίδια η ύπαρξή μας μελλοντικά από όσους θα αναπτύξουν προηγμένα συστήματα τόσο μεγάλης ακριβείας που δεν θα μπορούμε να τα κατανοήσουμε.

Η κακή χρήση πάντα υπάρχει ως ρίσκο. Υπάρχει κάποιο ποσοστό λάθους από τέτοιου είδους διαχείριση; Τι πρέπει να γίνει για να αποφευχθεί;

Το πρώτο αυτοκινητιστικό δυστύχημα έγινε λίγο μετά την εμφάνιση των αυτοκινήτων στους δρόμους. Δεν απαγορέψαμε τότε την κυκλοφορία τους! Απλά βάλαμε όρια ταχύτητας και θεσπίσαμε κώδικες και νόμους που ρυθμίζουν την οδήγηση και τιμωρούν τις τροχαίες παραβάσεις. Αναλόγως πρέπει να πράξουμε και εδώ. Αυτό είναι σημαντικό γιατί όπως σας είπα ήδη, η τεχνητή νοημοσύνη  από μόνη της δεν είναι κίνδυνος. Αυτό που θα καθορίσει τον προσανατολισμό της είναι το ρυθμιστικό πλαίσιο και ο τρόπος με τον οποίο θα χρησιμοποιηθεί!

Αν και οι διαθέσιμες εφαρμογές τεχνητής νοημοσύνης στην υγεία είναι σχετικά απλές, η κακή χρήση τους μπορεί να οδηγήσει σε ανακριβή και εσφαλμένα συμπεράσματα. Κλειδί για την απόκτηση του μέγιστου δυνατού οφέλους από την τεχνητή νοημοσύνη αποτελεί η εκπαίδευση. Το ιατρικό προσωπικό πρέπει να εκπαιδευτεί σωστά ώστε να είναι σε θέση να χρησιμοποιεί την τεχνολογία και να αξιοποιεί τα αποτελέσματα ορθά. Εμείς εκπαιδεύουμε ήδη με avatar στο Πανεπιστήμιο του Μιλάνου!

Ποια είναι τα οφέλη από την υιοθέτηση της ΤΝ τόσο για τους επιστήμονες, όσο και για τους ασθενείς; 

Η τεχνητή νοημοσύνη είναι ένα εργαλείο με πολλαπλά οφέλη για όλους! Ίσως δεν είναι ευρέως γνωστό, αλλά αυτή η τεχνολογία διαδραμάτισε σημαντικό ρόλο κατά τη διάρκεια της πανδημίας, τόσο στη μελέτη και την ανίχνευση των συμπτωμάτων του “αόρατου φονικού” εχθρού, του κορωνοϊού, όσο στις προσπάθειες ανάπτυξης αποτελεσματικών εμβολίων και θεραπειών.

Έχοντας τη δυνατότητα ταχείας ανάλυσης μεγάλου όγκου δεδομένων από διάφορες πηγές (γενετικά δεδομένα, ηλεκτρονικά αρχεία υγείας, δεδομένα απεικόνισης εγκεφάλου, δεδομένα που λαμβάνονται από smartphones και φορητές συσκευές κ.λπ.), οι αλγόριθμοι της τεχνητής νοημοσύνης μπορούν να εντοπίζουν μοτίβα για διάφορα προβλήματα σωματικής και ψυχικής υγείας, βοηθώντας τους επαγγελματίες να φτάνουν ταχύτερα και ακριβέστερα στη διάγνωση. Επιπλέον μπορούν να κάνουν πράγματα που οι ανθρώπου αδυνατούν, όπως το να εντοπίζουν κακοήθειες στα πολύ αρχικά στάδια ή ισχνά προειδοποιητικά σημάδια ψυχικών διαταραχών με βάση την ανάλυση των χαρακτηριστικών της ομιλίας των ανθρώπων.

Τα συστήματα τεχνητής νοημοσύνης είναι εξαιρετικά χρήσιμα στην έγκαιρη και έγκυρη πρόγνωση. Για παράδειγμα, εμείς στο Πανεπιστήμιο του Μιλάνου, αξιοποιούμε ήδη την ισχύ των συστήματων τεχνητής νοημοσύνης για να προβλέπουμε το πώς θα πάει ο ασθενής μας, εάν κινδυνεύει να αναπτύξει ορισμένες καταστάσεις (π.χ. αυτοκαταστροφικές και αυτοκτονικές συμπεριφορές) και σε τι βαθμό θα ανταποκριθεί σε ένα συγκεκριμένο είδος θεραπείας. Στο εγγύς μέλλον οι εφαρμογές που ενσωματώνουν την τεχνητή νοημοσύνη θα μας επιτρέπουν να παρακολουθούμε εξ αποστάσεως τα προβλήματα σωματικής και ψυχικής υγείας σε ασθενείς και ολόκληρες πληθυσμιακές ομάδες, μαθαίνοντας όχι μόνο για τους παράγοντες που τους εμποδίζουν να συμμορφώνονται με τη θεραπεία αλλά και ενημερώνοντάς μας για αντιδράσεις σε μια θεραπεία ή για συμπεριφορικές και συμπωματικές αλλαγές που προκύπτουν μεταξύ των ραντεβού, έτσι ώστε να ενσωματωθεί  αυτή η  γνώση στο θεραπευτικό πλάνο.

Η τάχιστη επεξεργασία μεγάλου όγκου δεδομένων και η λήψη αποφάσεων για θεραπεία με βάση την έκβαση της θεραπείας μεγάλου αριθμού ασθενών μας φέρνει πιο κοντά στον σημαντικό διαχρονικό στόχο της “εξατομικευμένης θεραπείας”. Αυτό σημαίνει την παροχή κατάλληλης θεραπείας σε κάθε ασθενή, με τα οφέλη να επεκτείνονται ακόμη και στην οικονομική αποτελεσματικότητα του συστήματος υγείας. Επιπλέον, η ψηφιοποίηση των ιατρικών πληροφοριών και δεδομένων και η δυνατότητα άμεσου εντοπισμού διαθέσιμων κλινών σε δομών υγείας θα κάνει ευκολότερη την πρόσβαση των ασθενών στο δημόσιο σύστημα υγειονομικής περίθαλψης και θα βοηθήσει τους οργανισμούς υγειονομικής περίθαλψης να κατανέμουν τους οικονομικούς και ανθρώπινους πόρους πιο αποτελεσματικά. Ταυτόχρονα η βελτιστοποίηση στη διαχείριση νοσοκομειακών δεδομένων υπόσχεται μείωση γραφειοκρατίας εντός του νοσοκομείου και μείωση της επιβάρυνσης του προσωπικού, με τους γιατρούς να αξιοποιούν καλύτερα τον χρόνο τους και να είναι πιο εστιασμένοι στον ασθενή.

Με τα δημόσια συστήματα ανά τον κόσμο σε καθεστώς κατάρρευσης πιστεύετε ότι μπορούν να στηρίξουν ουσιαστικά την ΤΝ;

Είναι γεγονός ότι οι δαπάνες υγείας σαν ποσοστό του ΑΕΠ έχουν μειωθεί το 2022 σε σχέση με το 2021 για τις 33 από τις 38 χώρες του ΟΟΣΑ. Ο ίδιος Οργανισμός αναφέρει ότι πολλές χώρες δεν είναι κατάλληλα προετοιμασμένες για την πλήρη μετάβαση των συστημάτων υγείας στην ψηφιακή εποχή, που είναι και το ζητούμενο.

Σίγουρα η εφαρμογή της τεχνητής νοημοσύνης απαιτεί επενδύσεις σε υποδομές, εκπαίδευση προσωπικού και εξοπλισμό. Παρόλα αυτά, υπάρχουν περιπτώσεις όπου η τεχνητή νοημοσύνη χρησιμοποιείται με επιτυχία ακόμα και με περιορισμένους πόρους. Σημαντικό είναι να γίνει σωστή προσαρμογή των λύσεων τεχνητής νοημοσύνης στις τοπικές συνθήκες και να ληφθούν υπόψη οι ιδιαιτερότητες του κάθε συστήματος υγείας.

Επιπλέον, όπως γίνεται με όλα τα τεχνολογικά επιτεύγματα, οι λύσεις στην αρχή είναι ακριβές, με το πέρασμα του χρόνου οι τιμές πέφτουν και οι εφαρμογές γίνονται ευρέως προσβάσιμες. Άρα σε βάθος χρόνου, βλέπω την τεχνητή νοημοσύνη να στηρίζει ουσιαστικά τα συστήματα υγείας πάρα το αντίθετο!

Ειδικότερα για το κράτος, υπάρχουν οικονομικά οφέλη; Εχετε κάποιο παράδειγμα να μας αναφέρετε με την οικονομική αποτύπωση από την εφαρμογή της;

Στην Ελλάδα, σύμφωνα με την μελέτη «Greece: With an AI to the Future», την οποία εκπόνησε η Accenture σε συνεργασία με τη Microsoft, η εφαρμογή της τεχνητής νοημοσύνης μπορεί να οδηγήσει σε σωρευτική αύξηση του ΑΕΠ κατά 195 δισ. σε βάθος δεκαπενταετίας!

Η επερχόμενη 4η βιομηχανική επανάσταση που έχει στον πυρήνα της την τεχνητή νοημοσύνη υπόσχεται να κάνει για το μυαλό μας ό,τι οι προηγούμενες τρεις έκαναν για τη χειρωνακτική εργασία! Να υποστηρίξει την ανθρώπινη διανοητική εργασία και την εξειδικευμένη βιομηχανική παραγωγή σε εκθετικούς ρυθμούς.

Κάθε 4 χρόνια διπλασιάζεται η ιατρική γνώση. Αυτό σημαίνει ότι από την αρχή του 2020 ως σήμερα δημιουργήσαμε ιατρική γνώση όσην από την αρχή της ανθρώπινης ιστορίας ως το τέλος του 2019!

Αν αυτό δεν σας εντυπωσιάζει, σκεφτείτε ότι στους Ολυμπιακούς Αγώνες της Αθήνας το 2004 η Ελλάδα παραλίγο να εγκαταστήσει με κόστος €150 εκατ. το σύστημα ασφάλειας C4I της Siemens προκειμένου να ξεχωρίζει ανάμεσα σε εκατομμύρια ανθρώπινα πρόσωπα ελάχιστους καταζητούμενους εγκληματίες ή τρομοκράτες στα σημεία εισόδου της χώρας. Σήμερα μπορούμε να εκπαιδεύσουμε ένα νευρωνικό δίκτυο στην αναγνώριση της εικόνας καταζητούμενων προσώπων, να εγκαταστήσουμε ένα δίκτυο από κάμερες στα σημεία εισόδου της χώρας κάνοντας έλεγχο σε πραγματικό χρόνο με λάθη 0,5% (αντί 10% του παλιού συστήματος) για περίπου 1% του κόστους που ήταν πριν από 19 χρόνια!

Μεγαλύτερη ακρίβεια, ταχύτερα και καλύτερα αποτελέσματα και μικρότερη δαπάνη είναι το τρίπτυχο που θα επιφέρει η εφαρμογή της τεχνητής νοημοσύνης και στον τομέα της υγείας, με τις πιο συντηρητικές επιστημονικές μελέτες να εκτιμούν ετήσια μείωση της υγειονομικής δαπάνης έως 10%.

Βιογραφικό

Ο Αντώνιος Ντακανάλης (Antonios Dakanalis), Kαθηγητής και Eπικεφαλής ερευνητής Ψυχιατρικής και Ψυχοθεραπείας στο Πανεπιστήμιο «Μπικόκα» του Μιλάνου, το 2023 κατατάχθηκε ανάμεσα στους 50 καλύτερους επιστήμονες παγκοσμίως στον τομέα της ψυχικής υγείας και στους 10 καλύτερους στην Ευρώπη στην κλινική εφαρμογή νέων τεχνολογιών στον τομέα της ψυχικής υγείας και ευεξίας.

Διευθύνει το Διεπιστημονικό Ερευνητικό Κέντρο Νευροεπιστημών, Κλινικής Ψυχολογίας & Ψυχιατρικής, το Εργαστήριο Εφαρμοσμένης Ψηφιακής Υγείας, το Εθνικό Ερευνητικό Κέντρο Αριστείας για τη θεραπεία διατροφικών διαταραχών και τη διαχείριση βάρους και πολλά χρηματοδοτούμενα προγράμματα σε συνεργασία με κορυφαία πανεπιστήμια περιλαμβανομένων των Oxford και Yale.

Είναι επιστημονικά υπεύθυνος κλινικών και μονάδων ψυχικής υγείας, όπου και εφαρμόζει επιτυχώς τη χρήση τεχνολογιών αιχμής (τεχνητή νοημοσύνη, εικονική πραγματικότητα), online υπηρεσιών και θεραπειών εξειδικευμένης και εξατομικευμένης διεπιστημονικής προσέγγισης, καθώς και επιστημονικός συντονιστής πρωτοπόρων προγραμμάτων προάσπισης της ψυχικής υγείας και ευημερίας στο χώρο της εργασίας και του σύγχρονου Επιχειρείν (workplace wellness & employee wellbeing).

Συγκαταλέγεται στο 2% των περισσότερο διαδραστικών επιστημόνων με βάση τις αξιολογήσεις του Harvard και στη διεθνή έκδοση για την ιατρική φροντίδα Who’s Who.

Είναι μέλος του Ευρωπαϊκού Συμβουλίου Ψυχικής Υγείας και της Ακαδημίας Ψηφιακής Ιατρικής και έχει τιμηθεί με περισσότερα από 45 διεθνή βραβεία για το πλούσιο κλινικό και επιστημονικό του έργο, το οποίο περιλαμβάνει περισσότερες από 200 δημοσιεύσεις στα πιο έγκριτα επιστημονικά περιοδικά.