JADBio-Gnosis DA
Η JADBio-Gnosis DA ΑΕ είναι μια εταιρεία λογισμικού τεχνητής νοημοσύνης για την ανάλυση δεδομένων, η οποία είναι spinoff του Πανεπιστημίου Κρήτης και έχει την έδρα της στο Ηράκλειο, με συνεργάτες στη Δανία και τη Γερμανία. Ειδικεύεται σε εξατομικευμένες ψηφιακές λύσεις, συμβουλευτικές υπηρεσίες και επαγγελματικές υπηρεσίες κυρίως στον τομέα της Υγείας, αλλά και στους τομείς Εμπορίου, Οικονομικών, Μηχανικής και Ασφάλειας.
Το κύριο προϊόν της εταιρίας είναι το JADBio, μια πλατφόρμα αυτόματης μηχανικής μάθησης (autoML) για βιοϊατρικά δεδομένα.
Η καινοτομία της JADBio
Η καινοτομία της πλατφόρμας JADBio έγκειται στον πλήρως αυτοματοποιημένο και έξυπνο τρόπο με τον οποίο διαχειρίζεται την ανάλυση πολύπλοκων και ετερογενών βιοϊατρικών δεδομένων, ακόμα και όταν αυτά προέρχονται από μικρά δείγματα, κάτι που αποτελεί συχνή πρόκληση στην κλινική πράξη. Σε αντίθεση με παραδοσιακά εργαλεία μηχανικής μάθησης που απαιτούν εξειδικευμένη γνώση και σημαντικό χρόνο ρύθμισης, το JADBio χρησιμοποιεί ένα σύστημα υποστήριξης αποφάσεων για να επιλέγει αυτόματα τον βέλτιστο αλγόριθμο και τη σωστή μέθοδο αξιολόγησης, με βάση τα χαρακτηριστικά κάθε dataset. Εισάγει πρωτοποριακές τεχνικές πρόληψης υπερεκπαίδευσης, διασφαλίζοντας την αξιοπιστία των προβλέψεων σε νέα, άγνωστα περιστατικά. Η ικανότητά του να εντοπίζει τις κρίσιμες βιοϋπογραφές με ελάχιστα χαρακτηριστικά, να παράγει αξιόπιστα μοντέλα πρόβλεψης και να προσφέρει εκτιμήσεις αβεβαιότητας σε κάθε πρόβλεψη, το καθιστούν μοναδικό εργαλείο διεθνούς κλίμακας στον τομέα της βιοϊατρικής ανάλυσης big data.
JADBio AutoML in 60 seconds
Με πάνω από 20 χρόνια εμπειρίας στην επιστήμη των υπολογιστών, η εταιρεία εξειδικεύεται στην ανάπτυξη προηγμένων αλγορίθμων και λύσεων τεχνητή νοημοσύνης, μηχανική μάθησης στατιστική ανάλυσης που μετατρέπουν ακατέργαστα δεδομένα σε ουσιαστική γνώση. Οι τεχνολογίες της χρησιμοποιούνται από βιομηχανικούς και ερευνητικούς οργανισμούς στην Ευρώπη, την Ασία, την Αυστραλία και τις ΗΠΑ.
Συγκεκριμένα, η εταιρία αναπτύσσει και αξιοποιεί τεχνικές:
- Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης
- Αναγνώρισης προτύπων και Big Data
- Αιτιακής ανακάλυψης και πρόβλεψης (Causal Discovery & Inference)
- Εποπτευόμενης και μη εποπτευόμενης μοντελοποίησης
Αυτές οι τεχνολογίες επιτρέπουν την αποτελεσματική ανάλυση πολύπλοκων συνόλων δεδομένων, εξάγοντας πληροφορίες με υψηλή αξία για λήψη αποφάσεων και αυτοματοποίηση διαδικασιών.
Η προσαρμοστικότητα των εργαλείων της εταιρείας επιτρέπει την επίλυση σύνθετων προβλημάτων ανεξαρτήτως τομέα, προσφέροντας λύσεις με αποδεδειγμένο αντίκτυπο. Οι κύριες εφαρμογές βρίσκονται στις επιστήμες ζωής, όπως η βιοϊατρική, η γονιδιωματική και η φαρμακολογία. Όμως, η ευελιξία των μεθόδων καθιστά δυνατή την αξιοποίησή τους και σε άλλους κρίσιμους τομείς, όπως:
- Ασφαλιστικές και τραπεζικές υπηρεσίες
- Εμπόριο και βιομηχανία
- Αυτοκινητοβιομηχανία
Μεταξύ άλλων, η εταιρεία έχει λάβει το βραβείο “Spin Off of the Year 2021” από το Elevate Greece του Υπουργείου Ανάπτυξης ενώ, από τη χρήση των εργαλείων της, έχουν δημοσιευθεί πάνω από 40 επιστημονικές εργασίες, έχουν κατατεθεί 3 πατέντες, έχουν ιδρυθεί 2 νεοφυείς εταιρίες καθώς και αναπτυχθεί 2 εξειδικευμένα εργαλεία ανάλυσης βιοϊατρικών δεδομένων.
JADBio AutoML - Extract Knowledge From Your Data
Το κύριο προϊόν της εταιρείας, το JADBio, είναι η πρώτη αυτοματοποιημένη πλατφόρμα τεχνητής νοημοσύνης και μηχανικής μάθησης που έχει σχεδιαστεί για ανάλυση μεγάλων δεδομένων (big data) υγείας, ενθαρρύνοντας την συμμετοχή του ανθρώπινου χρήστη για ποιότητα, ιδιωτικότητα και εποπτεία. Η προηγμένη μηχανική μάθησή του JADBio εντοπίζει κρίσιμους παράγοντες λήψης αποφάσεων, ελαχιστοποιώντας τα σφάλματα και τις αποτυχίες ενώ μεγιστοποιεί τον αντίκτυπό τους. Ταυτόχρονα, η δυνατότητα του να αναλύει ετερογενή δεδομένα, όπως πίνακες, εικόνες και σήματα, επιτρέπει την δημιουργία λύσεων τεχνητής νοημοσύνης για διάφορες λειτουργίες του πελάτη, οδηγώντας σε αύξηση της παραγωγικότητας κατά 8-10x και μείωση του κόστους κατά 5-7x.
Το σύστημα δέχεται πολλά και διαφορετικά ιατρικά δεδομένα (όπως γενετικές πληροφορίες, εικόνες, εξετάσεις αίματος κ.ά.) που έχουν μετρηθεί σε βιολογικά δείγματα (π.χ. από άτομα, κύτταρα ή ιστούς). Με βάση αυτά τα δεδομένα, προσπαθεί να προβλέψει κάτι που μας ενδιαφέρει. Για παράδειγμα, αν κάποιος έχει μια αρρώστια (διάγνωση), ποια είναι η φυσική του κατάσταση (πρόβλεψη), ή πόσο καιρό μπορεί να ζήσει (πρόγνωση).
Αυτό που κάνει το εργαλείο να ξεχωρίζει είναι ότι μπορεί να δουλέψει αποτελεσματικά ακόμα και με πολύ λίγα δείγματα, συχνά λιγότερα από 50 άτομα, όπως συμβαίνει συχνά στην κλινική πράξη, ενώ για κάθε άτομο υπάρχουν πάρα πολλές μετρήσεις.
Για να μην «ξεγελιέται» από τα δεδομένα και να μην οδηγεί σε υπερβολικά αισιόδοξες ή λανθασμένες προβλέψεις, η εταιρεία έχει αναπτύξει και ενσωματώσει στο εργαλείο πρωτοποριακές τεχνικές ανάλυσης. Αυτές εξασφαλίζουν ότι τα μοντέλα “μαθαίνουν” σωστά από τα δεδομένα, χωρίς να αποτυγχάνουν όταν εφαρμόζονται σε νέα, άγνωστα περιστατικά.
Για κάθε σύνολο δεδομένων, το εργαλείο:
- Βρίσκει ποια λίγα στοιχεία αρκούν για να κάνουμε σωστές προβλέψεις (βιοϋπογραφή). Όχι όλα, μόνο τα πιο σημαντικά που είναι συνήθως κάτω από 20.
- Φτιάχνει το καλύτερο μοντέλο πρόβλεψης με βάση αυτά τα στοιχεία, διαλέγοντας ανάμεσα σε απλές και πιο σύνθετες μεθόδους, είτε στατιστικές είτε βασισμένες στη μηχανική μάθηση.
- Υπολογίζει πόσο σίγουροι μπορούμε να είμαστε για τις προβλέψεις του σε νέα περιστατικά.
Πιο συγκεκριμένα, το JADBio λειτουργεί αυτόματα και «έξυπνα». Ένα σύστημα βασισμένο σε κανόνες επιλέγει ποιοι αλγόριθμοι είναι κατάλληλοι για τα δεδομένα, ανάλογα με τον αριθμό των δειγμάτων, τον τύπο των δεδομένων και τις επιλογές του χρήστη (rule-based decision support system). Αντίστοιχα, επιλέγεται και η σωστή μέθοδος για να αξιολογηθεί η απόδοση των μοντέλων, ανάλογα με το μέγεθος και τη φύση των δεδομένων (π.χ., cross-validation, hold out, ο αριθμός των folds στο cross-validation).
Στη συνέχεια, το JADBio δοκιμάζει εκατοντάδες διαφορετικούς συνδυασμούς επεξεργασίας και ανάλυσης των δεδομένων, δηλαδή αλυσίδες βημάτων που περιλαμβάνουν καθαρισμό, επιλογή των σημαντικών χαρακτηριστικών (feature selection) και δημιουργία μοντέλων πρόβλεψης. Για να κάνει αυτή τη διαδικασία πιο έξυπνη και αποδοτική, χρησιμοποιεί τεχνικές τεχνητής νοημοσύνης που “μαθαίνουν” ποιοι συνδυασμοί αξίζει να δοκιμαστούν.
Το σύστημα επιλέγει αυτόματα τον κατάλληλο τύπο μοντέλου, ανάλογα με το πρόβλημα που θέλουμε να λύσουμε, π.χ. αν θέλουμε να προβλέψουμε κατηγορίες (όπως “ασθενής/υγιής”) ή αριθμούς (όπως “μήνες επιβίωσης”). Σε πιο σύνθετες περιπτώσεις, όπως προβλήματα επιβίωσης, χρησιμοποιούνται ειδικά στατιστικά μοντέλα.
Τέλος, επειδή από τα εκατοντάδες μοντέλα που δοκιμάζονται επιλέγεται το καλύτερο, υπάρχει κίνδυνος να φαίνεται πιο «έξυπνο» απ’ όσο είναι στην πραγματικότητα, φαινόμενο γνωστό ως “παγίδα του νικητή”. Το JADBio διορθώνει αυτό το πρόβλημα με μια δική του πρωτοποριακή μέθοδο, ώστε να υπολογίζει ρεαλιστικά πόσο καλά θα αποδίδει το τελικό μοντέλο σε νέα, άγνωστα δεδομένα. Αυτή η προσέγγιση έχει δοκιμαστεί εκτενώς σε εκατοντάδες διαφορετικά σύνολα δεδομένων με εξαιρετικά αποτελέσματα.
Εφαρμογές
Πάνω σε αυτή τη βάση, η ομάδα της JADBio-Gnosis DA ΑΕ, συμμετείχε σε μία μελέτη, που δημοσιεύτηκε πρόσφατα στο περιοδικό Cancer Cell, για τη ανάπτυξη μεθόδων που βοηθούν τους γιατρούς να αναγνωρίζουν τον τύπο καρκίνου που έχει ένας ασθενής, με βάση τα γενετικά του δεδομένα (genomics). Χρησιμοποιώντας πληροφορίες από σχεδόν 9.000 καρκινικούς όγκους, δημιούργησε «έξυπνα» μοντέλα που μπορούν να αναλύσουν νέα δείγματα και να τα κατατάξουν σε 106 γνωστούς υποτύπους καρκίνου όπως πνεύμονα, εγκεφάλου, νεφρών, και άλλων οργάνων του ανθρώπινου σώματος. Συγκεκριμένα, το JADBio πέτυχε εξαιρετικά αποτελέσματα στο 96% των περιπτώσεων πρόβλεψης τύπων καρκίνου. Επιπλέον, κατάφερε να εντοπίσει τους λιγότερους δυνατούς και πιο χρήσιμους δείκτες της ασθένειας στο 85% των περιπτώσεων προσφέροντας καλύτερη ακρίβεια από τις παραδοσιακές μεθόδους ανάλυσης.
Τα αποτελέσματα αυτά είναι διαθέσιμα δωρεάν, ώστε να χρησιμοποιηθούν ευρύτερα στην έρευνα και την ιατρική. Η προσέγγιση αυτή έχει σκοπό να συμβάλει στη δημιουργία αποτελεσματικών διαγνωστικών τεστ, τα οποία βοηθούν στην εξατομικευμένη θεραπεία, συνδέοντας τα μοριακά χαρακτηριστικά του καρκίνου με τις κατάλληλες θεραπευτικές επιλογές.
Πέρα από την υγεία, η εταιρεία έχει δημιουργήσει μακροχρόνιες συνεργασίες με μεγάλες εταιρείες όπως Τηλεπικοινωνίας και Αυτοκινητοβιομηχανίας, εφαρμόζοντας την τεχνογνωσία της στην ανάλυση δεδομένων μάρκετινγκ, πωλήσεων και γραμμής παραγωγής. Ένα αξιοσημείωτο παράδειγμα εφαρμογής της τεχνογνωσίας μας είναι η εφαρμογή στην επιθεώρηση παραγωγής, όπου η πλήρως αυτοματοποιημένη προσέγγιση ταξινόμησης εικόνων χρησιμοποιήθηκε για τον εντοπισμό ελαττωματικών προϊόντων με ελάχιστη ανθρώπινη παρέμβαση. Χρησιμοποιώντας την τεχνολογία αιχμής τεχνητής νοημοσύνης μέσω της πλατφόρμας JADBio και συμβουλευτικής η ομάδα καταφέρε να πετύχει υψηλότερη ακρίβεια πρόβλεψης σε σχέση με τους ειδικούς της εταιρείας, παραδίδοντας αποτελέσματα γρηγορότερα και πιο αποτελεσματικά.
Επόμενα βήματα – Στόχοι – Επιδιώξεις
Η εταιρεία προσανατολίζεται στρατηγικά στην ενίσχυση των ιδιωτικών της συνεργασιών και υπηρεσιών, ενώ ταυτόχρονα διευρύνει τη συμμετοχή της σε ερευνητικά και αναπτυξιακά consortia σε εθνικό και διεθνές επίπεδο.
