Mesterséges intelligenciával támogatott öntanuló közösségi egészséginformációs rendszer prototípusának kialakítása

GOP-1.1.1-11-2012-0068

Projekt bemutatása

Projekt azonosító száma:


GOP-1.1.1-11-2012-0068


Projekt címe


Mesterséges intelligenciával támogatott öntanuló közösségi egészséginformációs rendszer prototípusának kialakítása


Projekt rövid leírása


A projekt célja hogy lehetőséget teremtsen az életmóddal, egészségügyi állapottal kapcsolatos információk közösségi szinten történő hatékony hasznosítására, közösségi működésre épülő mesterséges intelligencia segítségével, elsősorban mobil eszközökön.

A projekt egyik alapja számos sikeres kezdeményezéshez hasonlóan a CrowdSourcing technika alkalmazása, mely során a közös igyekezet eredménye a résztvevő közösség számára csatolódik vissza. A felhasználói részvétel motivációja a közösségi adatbázisból közvetlenül megszerezhető adekvát információ mellett önmagában a célok megvalósításához való hozzájárulás, mint jutalom.

A másik kiindulópontja az, hogy az emberek alapvetően érdeklődést mutatnak a saját jelenlegi és jövőbeni egészségi állapotuk, esetleges betegségeik iránt.

A rendszer felhasználója, miközben saját egészségi állapotára vonatkozó releváns információk megszerzése érdekében hajlandó saját állapottörténetét rögzíteni, egyúttal egészségügyi adatok olyan statisztikai sokaságának összeállításához járul hozzá, ami minden korábbinál jobb és megbízhatóbb alapot adhat arra, hogy valódi és releváns információkat kapjon saját helyzetével és lehetőségeivel kapcsolatban. Az egészségi állapot felmérésének célja nem az orvos helyettesítése, hanem, hogy a komoly statisztikai sokaság adatainak feldolgozásából előálló mesterséges intelligencia algoritmusait felhasználó adaptív differenciál logika segítse a felhasználó számára legrelevánsabb információk visszacsatolását.

A modern technológiai eszközök (pl. okos mobiltelefon) alkalmazása az egészségi állapot egyszerű, gyors és rendszeres rögzítésére (tracking) alapvető a projekt megvalósításához.

A prototípus célcsoportjai:
- Az egészségtudatosak – az egészségmegelőzés szempontjából aktívak
- A tartós tüneteket érzékelők – akik az életminőségük javítása miatt aktívak, de orvoshoz nem mennek
- A különleges betegséggel rendelkezők vagy hozzátartozóik – a betegség legyőzése szempontjából aktívak, akik orvosnál már jártak

A prototípust úgy tervezzük kialakítani, hogy később, teljes kiterjedtségében, egészséges emberek számára haszonnal alkalmazható legyen, saját egészségük, fittségük megőrzésében, preventív megközelítésben, de ki kell tudnia szolgálni azokat a tünetekkel, vagy betegségekkel küzdő felhasználókat is, akik elkötelezettebbek, több és részletesebb adatot szolgáltatnak, ugyanakkor specifikusabb, részletgazdagabb visszacsatolást is igényelnek.

Az elkészülő rendszer újdonságtartalma kettős. Egyrészt nem létezik a közösségi információnak a megjelölt módon és szélességben való felhasználása ilyen rendszerben, másrészt a részletek szintjén kidolgozandó információs modell, öntanuló algoritmus, elsősorban informatikai, de számos orvos szakmai problémát is felvet, melyek megválaszolására szükséges a kutatási tevékenység. A rendszert nem a hagyományos orvosi differenciáldiagnosztikai tudásanyag bedolgozásával, hanem annak tanulságait felhasználó öntanuló algoritmus kifejlesztésével kívánjuk felszerelni, mely a rendszer használata során lehetővé teszi, hogy a differenciálás fokozatosan épüljön ki, és hatókörében bizonyos részeket tekintve akár meg is haladhassa a nyugati típusú orvoslás adta lehetőségeket (megelőzés, kiegészítő tevékenységek, életmód, táplálkozás). A kidolgozásra kerülő dinamikus adattárolási modell két legfontosabb eleme a hasonlóságon alapuló absztrakt alakfelismerési modell, valamint az idő dimenzió, hiszen az azonos résztvevőhöz tartozó adatok idősoros összekötése kulcsfontosságú, miközben a statisztikai következtetés alapja a hasonlóság megfelelő felismerése. Fel kell készíteni az algoritmusokat a hiányos és részleges adategységek kezelésére is, hiszen nem várható el ideális kitöltöttség, viszont valószínűsíthető a szükséges statisztikai sokaság rendelkezésre állása. A modell felépítése tehát jelentős ipari kutatást és kísérleti fejlesztést igényel.