Vérből adat, adatból döntés – az AI időt nyerhet a daganatdiagnosztikában

by Pal
0 comments
Vérből adat, adatból döntés – az AI időt nyerhet a daganatdiagnosztikában

Vérből adat, adatból döntés: az AI időt nyerhet a daganatdiagnosztikában

A daganatos betegségek felismerésében és követésében az idő az egyik legfontosabb tényező. A European Life Technologies Hungary a folyadékbiopszia szélesebb körű hozzáférhetőségével és a kutatói, illetve kiértékelői munkát támogató mesterséges intelligenciával gyorsítaná a folyamatokat. A Portfolio Deep Tech 2026 rendezvényen Orbán Előd és Pintér Lajos mutatta be, hogyan lesz a laboratóriumi adatokból emberi döntést támogató tudás.

„Mi időt árulunk” – fogalmazott Orbán Előd, a European Life Technologies Hungary társalapító-vezérigazgatója, az Enterprise Group Technologies ügyvezető igazgatója. A vállalat célja, hogy a folyadékbiopszia nemzetközileg meghatározó szereplőjévé váljon, és a vizsgálatokat a képalkotó diagnosztikához hasonlóan széles körben elérhetővé tegye.

Az előadó szerint vérből vagy vizeletből bizonyos esetekben már 6–9 hónappal a képalkotó vizsgálatok előtt releváns információ nyerhető például egy emlődaganat kiújulásáról. A nemzetközi léptékű működéshez ugyanakkor nem pusztán több munkatársra, hanem a szakértők kapacitását megsokszorozó technológiára van szükség. Az AI alkalmazását ezért három szinten közelítik meg: eszközként, folyamatként és szervezeti működést támogató rendszerként.

A kutatói tudás megőrzésétől a lelet-előkészítésig

Pintér Lajos operatív igazgató, aki szoftverfejlesztői és biológuscsapatot egyaránt vezet, három gyakorlati megoldást ismertetett. Az első a kutatói tudás megőrzését segíti. Mint rámutatott, egy labor legfontosabb értéke nem a géppark vagy a reagensek készlete, hanem a munkatársak felhalmozott ismerete – ez azonban távozásukkal elveszhet.

A bemutatott AI-eszközben a kutatók napi 5–10 percben rögzítik munkájukat és kísérleti eredményeiket. A rendszer ezeket a korábbi jegyzőkönyvekkel és a projektleírással együtt feldolgozza, egységes dokumentációt készít, és további kutatási irányokat javasol. A tartalmat azonban a kutató ellenőrzi és hagyja jóvá.

A második megoldás a genetikai eltérések értékelését támogatja. Egyetlen variáns megítéléséhez többféle bizonyítékot, szakirodalmi adatot, klinikai eredményt és kezelési lehetőséget kell áttekinteni; egy vizsgálat pedig akár több száz ilyen eltérést is felszínre hozhat. A vállalat rendszere összegyűjti a háttérinformációkat, majd verziózott szabályrendszer alapján előkészíti a besorolást. Fontos különbség, hogy a pontszámokat nem a nyelvi modell, hanem külön program számolja. Ezután egy másik AI ellenőrzi a hivatkozásokat és az állítások alátámasztását, a végső jóváhagyás pedig a szakértő feladata. Pintér Lajos beszámolója szerint az előkészített anyagok elfogadási aránya jelenleg meghaladja a 90 százalékot. Ez a szakértői elfogadás mutatója, nem a diagnosztikai pontosságé. Az elutasítások indokai visszakerülnek a rendszerbe, támogatva a következő értékeléseket.

Kérdezhető adatbázis, ellenőrzött hozzáférés

A harmadik fejlesztés a vállalat meglévő bioinformatikai és laborfolyamat-kezelő rendszereire épülő, természetes nyelven kérdezhető réteg. Segítségével a kiértékelők és kutatók külön fejlesztési feladat nélkül kereshetnek összefüggéseket a korábbi esetek, variánsok, terápiák és klinikai vizsgálatok között. Az orvosokat saját betegeik adatainak értelmezésében támogató felhasználási mód ugyanakkor még nem működik teljeskörűen.

A megoldás központi eleme az adatvédelmi kapu: a bemutatott működés szerint a felhőalapú modellekhez továbbított adatokból előzetesen maszkolják a személyes információkat. A szabad szövegek feldolgozását helyben, az internettől elzárt nyelvi modell segíti. Pintér szerint a nehezen másolható értéket nem önmagában az AI, hanem az évek alatt felépített, több mint húsz összekapcsolt adattípust kezelő tudásbázis jelenti. A munkamegosztás alapelve pedig egyértelmű: a gép olvas, ír és előkészít, az ember dönt.

Orbán Előd zárásként hangsúlyozta: a technológia csak az egyik tényező. A versenyelőnyhöz tanulásra nyitott, együttműködő, gyors kísérletezésre képes vállalati kultúra is kell. Ahogy összefoglalta: a modell megvehető, a vállalati kultúra nem.

You may also like

Leave a Comment

Ez a weboldal pénzügyi, kriptovaluta- és tőzsdei hírekkel foglalkozik, de nem nyújt befektetési tanácsadást vagy kereskedési jelzéseket. Az itt közölt információk kizárólag tájékoztató jellegűek.

© 2025 – Minden jog fenntartva. Tervezte és fejlesztette Fin Zora