Kiemelt projektek

„Pragmatikus technológia, valós hatásokkal!”

Közel 122 M Ft MI fejlesztésekre

Sikeresen lezárult ugyanakkor perspektivikus eredményt is hozott a Smart University Program keretében meghirdetett belső egyetemi pályázat.

Jelenleg a PTE kiemelkedő, több területet is felölelő adatvagyonnal rendelkezik, számos kutatási, oktatási feladatot lát el, amelyek a mesterséges intelligencia eszközével tovább fejleszthetők. A pályázat előzménye az a felismerés, hogy a technológia fejlődése lehetőséget biztosít a belső folyamatok hatékonyságának növelésére, a tudományos eredmények fokozására és piacképes szolgáltatások létrehozására. Lényegében ezt fogja össze a hazai felsőoktatási intézmények sorában is unikálisnak számító egyetemi kezdeményezés, a Smart University Program.

Az Universitas Quinqueecclesiensis Alapítvány támogatásával megvalósult belső pályázati kiírás lehetőséget kínált a már futó, vagy gyors fejlesztési potenciált kínáló mesterséges intelligencia alapú projektek megvalósítására.

Három beadási határidőre összesen 31 pályázat érkezett, jellemzően az oktatás-kutatás területéről, ugyanakkor az egészségügy is kiemelkedően szerepelt, mint jelentős innovációs potenciállal bíró szektor. Emellett számos kezdeményezés érkezett egyéb innovatív szolgáltatásfejlesztésre vonatkozóan az adminisztratív területről is.

A pályázat iránti élénk érdeklődés egyértelműen jelzi a mesterséges intelligenciához kapcsolódó fejlesztések növekvő jelentőségét.

A pályázatokat az Akadémiai Tanácsadó Testület bírálta, a Szakértői Tanácsadó Testület véleményezte és ezt követően a Rektori Vezetői Értekezlet hozta meg a végleges döntést. A beérkezett 31 pályázat közül a lefolytatott bírálati folyamat és titkos szavazás eredményeképpen 12 projektet javasolt támogatásra a rektori vezetés. A támogatott pályázatok teljes költségvetése megközelítette a rendelkezésre álló 122 millió forintos keretösszeget. A nyertes projektek „kiemelt projekt” címet kapnak, ami biztosítja számukra a PTE pénzügyi hátterét a támogatott fejlesztési időszakban. A projektek megvalósítása augusztustól kezdődhet és a legtöbb projekt megvalósítási ideje 10 hónap.

Gratulálunk a nyertes pályázóknak a sikeres pályázatukhoz, a közeljövőben a projekteket részletesen is bemutatjuk majd. Alkalmazási területek szerinti bontásban is jól látszik, hogy a kiemelt projektek számos új képességet, tudást integrálnak az egyetemi környezetbe és kapcsolatrendszerekbe, hatékonyabbá teszik az operatív működést és korszerűbbé a szolgáltatásokat.

Egészségügy és orvosi diagnosztika

Egészségügy és orvosi diagnosztika szakterületen 4 kiemelt projekt nyert támogatást, jellemzően olyan specifikus topikokban, amelyek képesek forradalmasítani az általunk ismert egészségügyi ellátást, racionalizálni műveleteket és javítani az orvosi kutatást. Az MI technológiák alkalmazása az orvostudományban szédítően gyors, integrálása az egészségügybe a betegellátás és a diagnózis új korszakát jelenti. Az új platformok képessé teszik az egyetemi egészségügyi ellátást, hogy kihasználja az MI-ban rejlő teljes potenciált, miközben biztosítja a fejlett analitikát és a legerősebb adatvédelmet.

Dr. Orsi Gergely: Mesterséges intelligencia alapú keresőmotor fejlesztése a radiológus szakorvosképzés segítésére

A „Mesterséges intelligencia alapú keresőmotor fejlesztése a radiológus szakorvosképzés segítésére” kiemelt projekt egy meglévő problémára keres megoldást, miszerint, a radiológus szakorvosképzésben a ritka és jellegzetes esetek keresése korlátozott, a jelenlegi rendszer nem támogatja a szabadszavas, tartalmi alapú keresést. Az innováció lényege olyan MI-alapú keresőmotor fejlesztése, amely képes radiológiai oktatási adatbázisokban szabadszavas lekérdezéseket értelmezni és releváns eseteket visszakeresni. Több ezer CT, MR és röntgen kép feldolgozása és tanítása történhet meg konvolúciós hálózattal. A várható haszon jól definiálható, hiszen az oktatók és szakorvosjelöltek hatékonyabban és célzottabban tanulhatnak, az MI rendszer pedig növeli az oktatás rugalmasságát és támogatja a klinikai gondolkodás fejlesztését.

Dr. Nagy Szilvia Anett: Lézió klasszifikáció mesterséges intelligenciával

A „Lézió klasszifikáció mesterséges intelligenciával” kiemelt projekt célja a sclerosis multiplex (SM) és a vascularis eredetű léziók elkülönítésére - amely gyakran még a tapasztalt radiológusok számára is nehézségekbe ütközik – olyan automatizált képfeldolgozó és gépi tanulási rendszer fejlesztése, amely különböző típusú agyi fehérállományi léziókat ismer fel és osztályoz MRI felvételeken. AZ innováció eredményeként pontosabb, objektívebb diagnózis válik lehetővé, ez jelentősen támogatja a radiológusok munkáját, lerövidíti az elemzési időt és segíti a korai kezelési döntéseket.

Dr. Tornyos Dániel: Gépi tanulási és 3D rekonstrukciós eljárások alkalmazása a koronária angiográfia technikájának és kiértékelésének fejlesztésében

Ismert az orvosi képfeldolgozásban, hogy a koszorúér-szűkületek diagnosztikája invazív és költséges, a frakcionált áramlási tartalék (FFR) mérése ritkán történik meg, noha prognosztikailag fontos lenne. Erre a valós problémára keres megoldást a „Gépi tanulási és 3D rekonstrukciós eljárások alkalmazása a koronária angiográfia fejlesztésében” kiemelt projekt, amely automatizált 3D rekonstrukciós és numerikus áramlási szimulációs (CFD) platform létrehozását ambicionálja koronária angiográfia (CA) felvételek alapján. Az ily módon hadrendbe állított AI modulok diasztolés szívciklus azonosítására, érkontúrok felismerésére, VFFR számításra alkalmasak. Ezáltal egy non-invazív, gyors és olcsó diagnosztikai eszköz fejlesztése valósul meg, amely javítja a klinikai döntéshozatal pontosságát és csökkenti a felesleges intervenciókat. További pozitívuma, hogy széles körben alkalmazható lehet a kardiológiai ellátásban hazai és nemzetközi szinten is.

Ma már nem szükséges érvelni amellett, hogy a mesterséges intelligencia kiválóan alkalmas nagy mennyiségű egészségügyi adat feldolgozására, elsősorban, hogy mintákat fedezzen fel és előrejelzéseket készítsen. A fejlett analitikai technikák képesek azonosítani a különböző egészségügyi tényezők közötti összefüggéseket, ami jobb diagnosztikai és kezelési stratégiákhoz vezet. A gépi tanulási algoritmusok képesek elemezni a legkülönbözőbb adathalmazokat, mint a beteg demográfiai adatai, orvosi kórtörténet, laboreredmények, képalkotó vizsgálatok, genetikai információs stb. Ezen adathalmazok vizsgálatával a mesterséges intelligencia rendszerek olyan finom mintázatokat észlelhetnek, amelyek az egészségügyi szolgáltatók számára lehetővé tezsik, hogy proaktív beavatkozásokat és személyre szabott kezelési terveket hajtsanak végre.

Bikki Dániel: Adatvezérelt egészségügy: mesterséges intelligencia szerepe a klinikai adatgyűjtésben

Az erőforrások elosztásának optimalizálásában nyújt progresszív megoldást az „Adatvezérelt egészségügy: mesterséges intelligencia szerepe a klinikai adatgyűjtésben” kiemelt projekt, amelynek nem kevésbé ambiciózus a célja, mint egy LLM-alapú alkalmazás fejlesztése, amely képes digitális betegdokumentumokból percek alatt strukturált adatokat kinyerni. A fejlesztés forradalmasíthatja az egészségügyi adatelemzést, felgyorsíthatja a kutatásokat, támogatja a big-data és MI-alapú egészségügyi elemzéseket, valamint csökkenti az emberi erőforrás terheit. Hosszú távon a modell licencelhető és továbbfejleszthető más egyetemek és klinikák számára is.

Összegzés

Az egészségügy és orvosi diagnosztika tématerületek kiemelt projektjei ígéretes fejlesztések, javítva a diagnosztikai pontosságot és sebességet, hiszen a mesterséges intelligencia algoritmusai képesek felismerni a röntgen-, MRI- és CT-felvételek olyan finom eltéréseit, amelyeket az emberi szem esetleg nem lát. A radiológiában a mesterséges intelligencia segít a betegségek, például a rák vagy a szív- és érrendszeri betegségek korai jeleinek felismerésében. Ez korábbi beavatkozásokhoz és jobb betegprognózisokhoz vezet. A természetes nyelvi feldolgozási képességek pedig lehetővé teszik, hogy a mesterséges intelligencia hatalmas mennyiségű orvosi szakirodalmat és betegdokumentációt elemezzen. Ez segít az egészségügyi szolgáltatóknak abban, hogy a legújabb kutatások és hasonló esetek alapján megalapozottabb kezelési döntéseket hozzanak.

Jog és adminisztráció

Karsa Róbert: JogASZ: MI áll a döntéseid mögött! Egy jogi asszisztens magyar nyelven!

Erre keres és ad korszerűen izgalmas megoldást a Smart University program két „kiemelt projektje” is, jelesül a jog és adminisztráció alkalmazási területéről.

A mesterséges intelligencia a jogi munkában is teret hódít, már ma is hatékonyan alkalmazható nagy mennyiségű jogi dokumentum feldolgozására, legyen szó jogszabályokról, bírósági határozatokról vagy közigazgatási döntésekről. Sőt, a mesterséges intelligencia előnyei például a magyar jogi adatbázisok közül a zászlóshajójának számító Jogtárba is beépültek. Ilyen MI-alapú funkció a döntvénykeresőben található pertárgykereső, az anonimizált bírósági határozatok esetében az automatizált kivonatok, valamint a szerkezeti egységek megjelenítése.

Izgalmas kérdés, ezek után milyen nóvumot hoz a „JogASZ: MI áll a döntéseid mögött!” talányos címen jegyzett egyetemi fejlesztés.

Abból a tényből és felismerésből indul ki, hogy a magyar nyelvű jogi szövegek feldolgozására nincs megfelelően finomhangolt nyelvi modell, a jogi asszisztensek hiányoznak a hazai gyakorlatból. A projekt célja egy magyar nyelvű jogi asszisztens rendszer kifejlesztése modern nagy nyelvi modellek (LLM) és Retriaeval-Augmented Generation (RAG) architektúra alkalmazásával, így az képes jogi szövegek feldolgozására és értelmezésére.

Ahogy a mesterséges intelligencia egyre inkább beépül életünk különböző területeire, a naprakész, pontos információk iránti igény egyre fontosabbá válik. A RAG ezt az igényt a nyelvi modellek hatalmas tudása és a valós idejű, tényszerű információk közötti szakadék áthidalásával elégíti ki. Azáltal, hogy a mesterséges intelligencia válaszait külső adatforrásokra alapozza, a RAG kiküszöböli a hagyományos nyelvi modellek legfontosabb korlátait, például az elavult információkat és a hallucinációkat. Amikor kérdést tesznek fel neki, nem csak a memóriájára hagyatkozik (mint a hagyományos mesterséges intelligencia modellek), hanem aktívan keres egy hatalmas, naprakész információkból álló könyvtárban, hogy a lehető legpontosabb és legrelevánsabb választ adja. Ez a megközelítés lehetővé teszi, hogy a mesterséges intelligencia rendszerek naprakészek maradjanak a gyorsan változó információkkal, és kontextusnak megfelelőbb válaszokat adjanak.

A JogASZ projekt vezetője Karsa Róbert, a TTK oktatója, így nyilatkozik a fejlesztésről.

„Fő tevékenységeink: nyílt súlyú (Llama/Gemma) modellek és beágyazó modellek (ModernBert) finomhangolása magyar jogi szövegeken. A finomhangoláshoz szintetikus adatkat tervezünk létrehozni, ezek egyrészt érvelési minták kinyerését jelentik bírósági/hatósági döntésekből a modell további tanításához; másrészt joganyagokból és döntésekből nyert kérdés válasz párokat jelentenek. Létrehozunk egy RAG alapú rendszert (frontend, backend, hibrid vektoradatbázis) Google Cloud környezetben.

Amit eredményként várunk, az egy funkcionális jogi asszisztens prototípus, a magyar jogi nyelvhez illesztett mesterséges intelligencia alkalmazás, amely a jogi oktatásban, kutatásban, igazgatásban, közigazgatásban és üzleti jogban egyaránt hasznos. Versenyképes, új tudásvagyon jön létre, egyedi modell és architektúra révén.

A projekt hazai viszonylatban elsőként célozza meg a magyar jogi nyelv feldolgozására specializált, nyílt súlyú LLM és RAG-alapú rendszer kifejlesztését és nemzetközi szinten is újszerű megközelítést képvisel az érvelési minták gépi tanításba illesztése.”

Bobánovics Péter László: PTE-chatbot

Aktuális kérdésünk második részében a Smart University program adminisztrációt támogató „kiemelt projektje” kínál perspektivikus megoldást, nevezetesen az egyetemi ügyvitel alkalmazási területéről. Ez a PTE-chatbot.

Az MI alkalmazási területe szédületes tempóban bővül. És amikor a mesterséges intelligencia hétköznapi ill. széleskörű alkalmazására gondolunk, vagy rá hivatkozunk, jellemzően a chatbotok ugranak be elsőként. Ezeknek szöveges utasításokat adhatunk, illetőleg kérdéseket tehetünk fel, a kérdésekre pedig valamilyen formátumú generált választ érkezik. Azonban az MI nem csupán egy weboldalon elérhető chatbot, alkalmazási területe, használhatóságra rapid mód terjed. A szellemi munkák területén is számos olyan munkafolyamat akad, amely sok-sok ismétlődő lépésből áll. A technológiai megoldások/az MI asszisztencia, ha megfelelő számú apró részfeladatra bontjuk szét a feladatot, egyre komplexebb folyamatokat képesek hibátlanul elvégezni. Az úgynevezett MI-ügynökök jelenlétéhez hozzá kell szoknunk, ugyanakkor fontos, hogy elsősorban lehetőségként tekintsünk rá.

Milyen MI-modelleket érdemes a felsőoktatásban használni? Miben tud ma segítséget nyújtani az egyetemi adminisztrációban, és mit hozhat az automatizáció fejlődése? Mi várható a területen a következő hónapokban, években?

Frappáns és okos tervvel állt elő egy különleges team, TTK-s hallgatók és a PTE Kancellária szervezeti egységeinek unikális együttműködésében.

A „PTE-chatbot” fantázianévre hallgató kiemelt projekt vezetője Bobánovics Péter, a Kancellária folyamatfejlesztésért felelős szakértője, avatott be az előzményekbe. A fejlesztés origója az a tapasztalás, hogy az egyetemi ügyintézés digitális támogatása jelenleg hiányos, nincs MI-alapú asszisztens a hallgatók és munkatársak támogatására.

„Célunk, hogy a PTE központi IT infrastruktúrájára építve egy olyan digitális keretrendszert és ökoszisztémát hozzunk létre, amely képes LLM-alapú chatbotok integrálására az adminisztratív működés támogatására. A keretrendszer első demonstrációjaként a team kooperációjával egy pilot chatbot kerül bevezetésre, amely kiválasztott területekhez kapcsolódó use-case-eken (pl. TTK beiratkozás, HR, iratkezelés) keresztül mutatja be a technológia gyakorlati alkalmazásának lehetőségét. A megoldás on-premise vagy felhőalapú környezetben is működtethető, hosszú távon pedig bővíthetővé ill. skálázhatóvá válik további belső ill. külső (PTE-dolgozói, hallgatói, külsős érdeklődő) felhasználási területek irányába is. Nem titkolt szándékunk egy fenntartható, hatékony digitális támogatási rendszer kialakítása.”

Mindezek tükrében perspektivikus eredményre számíthatunk: a projekt végére létrejön egy működőképes, LLM-alapú chatbot prototípus, amely az adott folyamatokat támogatja. A megoldás skálázható és adaptálható további felhasználási területekre, és illeszkedik a PTE nyelvi modell-alapú digitális fejlesztési környezetébe és hosszú távon kiterjeszthető más egyetemi vagy közintézményi területekre.

Rezümé: megjelenik és érzékelhetővé válik az MI alapú asszisztencia a PTE felületein, miáltal növekszik a hallgatói és szervezeti ügyintézés hatékonysága, modernebb lesz az egyetemi szolgáltatások hálózata, színvonala.

Oktatás és kompetenciafejlesztés