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