Guðni Th. Jóhannesson, forseti Íslands, afhenti Nýsköpunarverðlaun forseta Íslands við hátíðlega athöfn á Bessastöðum í gær. Að þessu sinni hlutu verðlaunin þau Eysteinn Gunnlaugsson, Hanna Ragnarsdóttir, Heiðar Már Þráinsson og Róbert Ingi Huldarsson fyrir verkefnið „Þróun á algrími til að finna örvökur í sofandi einstaklingum með því að skoða önnur lífmerki en heilarit og sannprófun á aðferð til að greina orsakir kæfisvefns með stóru gagnasafni.“
Frá þessu er greint á Forseti.is.
Eysteinn er meistaranemi í tölvunarfræði við Kungliga Tekniska högskolan í Svíþjóð, Hanna er nemi við tölvunarfræðideild Háskólans í Reykjavík, Heiðar Már er nemi á verkfræði- og náttúruvísindasviði Háskóla Íslands og Róbert Ingi er sömuleiðis nemi á verkfræði- og náttúruvísindasviði Háskóla Íslands.
Leiðbeinendur þeirra vegna verkefnisins voru Halla Helgadóttir og Jón Skírnir Ágústsson, yfirmenn á rannsóknarsviði Nox Medical.
Um verkefnið
Verkefnið fól í sér þróun á nýrri sjálfvirkri greiningaraðferð, sem byggist á gervigreind, til að finna örvökur í svefni. Örvökur eru stutt tímabil í svefni sem einkennast af breytingu í heilavirkni, og er greining þeirra mikilvæg til að meta svefngæði og svefntengda sjúkdóma. Í hefðbundinni svefnrannsókn eru tekin upp ýmis lífmerki og eru þau greind af sérfræðingi til að finna meðal annars örvökur. Þetta ferli er bæði tímafrekt og ónákvæmt og eru því sjálfvirkar greiningar afar mikilvægar til að spara tíma og auka nákvæmni. Sjálfvirk greining á örvökum er sérstaklega erfið þar sem einkenni örvaka geta verið ólík milli einstaklinga og töluvert ósamræmi er í greiningum sérfræðinga. Einnig eru örvökur stuttir atburðir og lítill hluti af heildar svefni, sem gerir gervigreindar aðferðum erfitt fyrir að læra einkenni þeirra.
Einhverjar rannsóknir hafa verið gerðar á sjálfvirkri greiningu örvaka með misgóðum árangri, en vandamálið er í raun enn illa leyst. Því til stuðnings má nefna að PhysioNet, sem sér um að halda árlegar keppnir í gagnavinnslu, ákvað að verkefni keppninnar í ár væri sjálfvirk greining á örvökum, en verkefnin sem eru valin eru alltaf klínískt mikilvæg og annaðhvort óleyst eða torleyst. Sjálfvirka greiningaraðferðin okkar felur í sér að vinna úr lífmerkjum, svo sem öndunarmerkjum og heilalínuriti, og reikna úr þeim ýmsa tölfræðilega eiginleika.
Endurtækt gervitauganet var þróað og þjálfað til þess að spá fyrir um örvökusvæði út frá útreiknuðu einkennunum. Algrímið var þróað og prófað á tveimur gagnasöfnum, annars vegar opnu gagnasafni frá Physionet, og hins vegar á gagnasafni frá Nox Medical. Niðurstöður voru hvetjandi, en aðferðin okkar lenti í öðru sæti í alþjóðlegu PhysioNet keppninni, en meðal keppenda voru lið frá helstu háskólum heims, sem og fyrirtækjum eins og Philips. Algrímið virkar einnig vel á gögn Nox Medical, nákvæmni sjálfvirku greiningarinnar er sambærileg og nákvæmni milli sérfræðinga, en sjálfvirka aðferðin skilar niðurstöðum mun hraðar.
