2024-01-18 14:06
Mozgáselemzés és mesterséges intelligencia a skizofrénia és bipolaritás megállapításában
A Neumann János Egyetem (NJE) Gazdaságtudományi Kar (GTK) a hagyományainak megfelelően megkérdezi a részletekről kollégáit egy-egy kiemelkedő publikációjuk megjelenésekor, most Dr. Viharos Zsolt Jánost kérdeztük:
- Hol jelent meg és milyen terjedelmű a publikáció?
A tanulmány a SENSORS című, nemzetközi tudományos folyóirat 23. számának 2. kiadványában jelent meg, azonosítója: 958. A publikáció viszonylag hosszú, 25 oldalas, számos táblázat és ábra szemlélteti az eredmények matematikai és orvostudományi interpretálhatóságát.
- Kik voltak a kutatásban az együttműködő partnerek, kik a társszerzők?
Ha jól emlékszem, nekem még ilyen sok társszerzős cikkem az elmúlt 30 évben nem volt, most összesen 16-an vagyunk a szerzői listában. Ez egyébként viszonylag szokványos medikai területen, de messze nem általános pl. matematikában vagy a mesterséges intelligenciában. Ez a nagyobb számú társszerzőség is jól szemlélteti, hogy az orvosi-klinikai, matematikai és számítástudományi tudományterületek gyümölcsöző, hosszabb távú együttműködése vezetett a mostani publikációhoz. Én az ilyen jellegű, tudományterületeken átívelő együttműködéseket nagyon kedvelem és igencsak példaértékűnek tekintem. A cikk társszerzői név szerint: Nagy Ádám, Dombi József, Fülep Martin Patrik, Rudics Emese, Hompoth Emőke Adrienn, Szabó Zoltán, Dér András, Búzás András, Viharos Zsolt János, Hoang Anh Tuan, Maczák Bálint, Vadai Gergely, Gingl Zoltán, László Szandra, Bilicki Vilmos, Szendi István.
Ugyancsak örömteli, hogy intézeti szinten is viszonylag nagy számú az együttműködők száma, a szerzők 5 különböző szervezet 8 egységében dolgoznak: Szegedi Tudományegyetem, Természettudományi és Informatikai Kar, Szoftverfejlesztés Tanszék & Számítógépes Algoritmusok és Mesterséges Intelligencia Tanszék & Műszaki Informatika Tanszék & Interdiszciplináris Orvostudományok Doktori Iskola, Orvosi Genetikai Intézet; HUN-REN Szegedi Biológiai Kutatóközpont; Számítástechnikai és Automatizálási Kutatóintézet (SZTAKI); Neumann János Egyetem, Gazdaságtudományi Kar; Kiskunhalasi Semmelweis Kórház, Pszichiátria Osztály.
- Milyen gazdasági és társadalmi hatása van a megjelent publikációnak? Hogy kapcsolódik az ENSZ Fenntartható Fejlődési Célokhoz?
Az ENSZ 17 SDG (Sustainable Development Goals) céljai közül a publikáció a pszichiátriai alkalmazási célterület miatt döntő mértékben az „Egészség és Jólét” célhoz tartozik. Mivel a fókuszban az emberek állnak, még kissé kapcsolódik a „Tisztességes Munka és Gazdasági Növekedés” cél munkavállalói részéhez és valamennyire az „Ipar, Innováció és Infrastruktúra” cél innovációs aspektusához is, tekintettel az alkalmazott matematikai és mesterséges intelligencia módszerekre és az egészséginnovációs potenciálra.
- Mi az új eredmény alapötlete?
Az újdonság alapötlete hármas, igyekszem ezt kellően általánosan és egyben precízen is meghatározni. Én a kutatásnak csak a gépi tanulás részében vettem részt, így óvatosan kell fogalmaznom a medikai aspektusokat illetően, remélem, ez sikerül: A skizofrénia és bipolaritási betegségeket igen hosszú és alapos, sok (emberi) ráfordítást igénylő pszichiátriai módszerekkel tudja napjaink tudománya kimutatni. Az egyik alapötlet, hogy kifejlesztve egy emberi mozgásdetektáló és rögzítő eszközt (aktigráf), több napon keresztül ezt viselve csupán a mozgásadatok alapján lehetne ezen betegségeket diagnosztizálni. A másik alapötlet, hogyha a kialakult betegségek detektálása már sikeres, akkor, hogy lehetne hasonló módon már a megelőző szakaszban, amikor a betegség még nem alakult ki (sőt, ennek veszélye nem is ismert a személy/orvos számára), a betegséghez vezető, esetleges hajlamot kimutatni, az egyébként teljesen átlagosan viselkedő személyek esetén. Végül: tekintve, hogy a kutatás során az adatgyűjtés idejét figyelembe véve nagy mennyiségű, míg a betegek és a kontroll csoport személyek számát tekintve kis mennyiségű adat áll rendelkezésre, ezért a gépi tanulás kutatása szempontjából is érdekes ez a vizsgálat. Egy korábban, alapvetően nagy mennyiségű adatok számára kitalált jellemzőválogatási módszert ugyan már két ízben sikerrel alkalmaztunk kisebb mennyiségű adatokon, de ezen a területen még sok a nyitott tudományos kérdés. Ez a tudományos alapötlet-hármas vezetett a mostani publikációban leírt eredményekhez.
- Mennyi kutatás, mi vezetett ide, milyen projekt vagy egyéb támogatás áll a kutatások mögött?
A kutatásnak kifejezetten komoly múlja van, mind időben, mind kutatási ráfordítást is tekintve. A szegedi és kiskunhalasi kollégák már komoly ismertségre tettek szert ezen a területen, sok év kutatás és kifejezetten nagy ráfordítású adatgyűjtés és mérés van a kutatások mögött. Az így gyűjtött adatok elemzésébe kapcsolódtunk be mi is, itt mindenképpen kiemelném a Mesterséges Intelligencia Koalíció és a Mesterséges Intelligencia Nemzeti Laboratórium kutatókat integráló és kooperációkat elősegítő aktivitásait. Mi is így kerültünk kapcsolatba, már talán több is, mint 2 éve. A korábban mért adatokat elemezzük közösen és ezen eredményekből született a most kiválasztott publikáció is, továbbá, jelenleg is folynak a kutatások és már vannak további beadott újabb közös cikkeink is. Formálisan tekintve a kérdést talán érezhető, hogy az eredmények mögött korábbi támogatások sorozata áll.
- Az elért tudományos eredmény milyen módon jelenik meg egyetemünk oktatásában, a hallgatók hogyan tudnak ebből további state-of-the-art ismereteket szerezni?
Lássunk egy konkrét példát: én tartom az első éveseknek a Gazdaságinformatika tárgyat és a korábbi félévek hallgatói visszajelzései mutatták azt az elvárást, hogy az első óra témája mindig valamilyen különlegesség, az érdeklődést felkeltő érdekesség legyen. Ennek megfelelően már egy jó ideje az első féléves, új hallgatók a gazdaságinformatika óra keretében már az első héten megismerkednek a mesterséges intelligencia fogalmával és alapjaival, beleértve a veszélyeket és nyitott kérdéseket is. Biztos vagyok benne, hogy a jövőben – és már a jelenben is – mindenkinek az életében részt vesz a mesterséges intelligencia és ennek szerteágazó alkalmazásai, pl. egy szelfi készítése során. A Neumann János Egyetem Gazdaságtudományi Kar oktatási portfóliójában a hallgatók minden szakterületen megismerik az újdonságokat, ez is ennek a folyamatos aktualizálásnak az egyik jó példája.
- Az elért kimagasló eredmény milyen további kutatások alapjául szolgál, milyen új tudományos irányokat nyit meg?
A jó kutatás számos új terület alapjául is szolgál. Jó eséllyel a mentális betegségre való hajlamot ki lehet majd gyorsan és olcsón mutatni és akár minden egyes embernél szinte észrevétlenül lehet ilyen vizsgálatokat elvégezni. Majd, ahol szükséges, preventív intézkedéseket és terápiát elindítani. Ennek még számos technikai és módszertani témája van nyitva, ezen a területen bőven van jövőbeli kutatási kihívás. Az alkalmazott mesterséges intelligencia és gépi tanulás területén is adódnak az új lehetőségek, pl. a jellemzőválogatási algoritmus kibővítése új matematikai mértékekkel, avagy a jelenleg alkalmazott, ún. mohó algoritmus felcserélése optimumhoz közelibb eljárásra, ezeket a kutatásokat már részben meg is kezdtük. Tekintve, hogy bárki számára hozzáférhető, ún. Open Access publikációt tettünk közzé, remélem, a publikáció olyan irányokat is megnyit, amelyekre mi magunk jelenleg nem is gondolunk.
- A hallgatóink milyen módon tudnak ebbe a kutatási témába bekapcsolódni?
A hallgatók a Neumann János Egyetem Gazdaságtudományi Karán számos módon be tudnak kapcsolódni a tudományos kutatásainkba, minden oktató várja az érdeklődő fiatalokat. A Tudományos Diákkör Kutatásokban (TDK-ban) történő részvétel a legjobb formája ennek, és így a kiválasztott témavezető oktatóval együttműködve a hallgatók tipikusan több féléven keresztül tudnak kutatni. Mint kari TDK-felelős nagy örömömre szolgál, hogy az elmúlt években dinamikusan nőtt a TDK-zó hallgatóink létszáma, így töretlen az érdeklődés ezen - az általános egyetemi tanulmányokon túli - aktivitások iránt. Az őszi szokásos TDK konferenciánkon a legkiválóbb hallgatók adják elő tudományos vizsgálataikat és a legjobbak továbbjutnak az országos versenyre, az OTDK-ra, ahol az ország más egyetemein TDK-zó kiváló hallgatók munkáival vetik össze tudományos eredményességüket.
Köszönjük a beszélgetést, további eredményes kutatásokat kívánunk!
A publikáció ide kattintva olvasható teljes terjedelmében.