– A Neubias (Network of European BioImage Analysts - európai biológiaikép-elemzők hálózata) szervezet azokat a kutatókat fogja egybe, akik a különféle képalkotó eljárások segítségével rögzített felvételek elemzéséhez számítógépes módszereket használnak. A tudományterület meglehetősen szűknek tűnik. A néhány szakmabeli érdeklődésének kiszolgálásán kívül van jelentősége a rendezvénynek a laikusok számára is?
– A biológiai képanalízis és a hozzá kapcsolódó adatfeldolgozás rendkívül új tudományterület, de példátlan sebességgel növekszik a jelentősége – és ezáltal a népszerűsége is. Éppen újdonsága okán sok érdeklődő kutatónak még nincs meg mindazon gyakorlati tudása és tapasztalata, amely a sikeres kutatáshoz szükségeltetik, így ezek a konferenciák legalább ugyanannyira továbbképzések, mint színterei a kutatási eredmények bemutatásának. Az itt elhangzó eredmények ma talán még csak a szakembereket mozgatják meg, de biztos vagyok benne, hogy néhány éven belül már a mindennapi életünk részévé válnak.
– Hallani híreket arról, hogy röntgen, MRI vagy egyéb képalkotó eljárásokkal készített felvételeket a számítógépes algoritmusok már jobban diagnosztizálnak, mint a patológusok. Ez már ma is a valóság, vagy ettől azért még messze vagyunk?
– Az úgynevezett deep learning (mély tanulás) eljárás az utóbbi években egyértelműen felforgatta a világot. A Google rendszeresen megrendez egy mesterségesintelligencia-versenyt, amelyben az indulók algoritmusainak meg kell állapítaniuk, hogy mit látunk az adott képen. Míg pár éve talán egy-két százalékban tudtak az indulók növelni a sikerességen, addig mikor bejött a deep learning, egy csapásra tíz százalékot vert mindenkire. Tehát ez a technológia, legalábbis hatékonyságában, alapvetően különbözik minden korábbitól. Az élet minden területén terjed, de úgy látjuk, hogy mindennél mélyrehatóbb a hatása a mi területünkön, a biológiai felvételek elemzésében. Mielőtt beszélgetni kezdtünk, éppen egy olyan előadásról jöttem ki, ahol arról esett szó, hogy a technika hogyan használható a mikroszkópos kép minőségének javítására. De ugyanígy alkalmazható, ha egy nagyon összetett szövetmintát kell elemeznünk. Saját közleményeink alapján is állíthatom, hogy a mi kutatócsoportunk is megközelíti, sőt el is éri az emberi patológusok hatékonyságát a mesterséges intelligencián alapuló megoldásainkkal.