AI-AGE: Primjena AI i HPC-a u otkrivanju neinvazivnih biomarkera starenja i hroničnih bolesti
PROBLEM/IZAZOV
Starenje je jedini najveći faktor rizika za širok spektar hroničnih bolesti — od dijabetesa i kardiovaskularnih stanja do kognitivnog pada i karcinoma. Rano prepoznavanje osoba s povišenim rizikom, prije nego što bolest postane klinički manifesta, jedan je od najvažnijih otvorenih izazova u preventivnoj medicini. Ipak, neinvazivni, skalabilni pristupi ranoj procjeni rizika ostaju nedovoljno razvijeni, posebno u manjim zdravstvenim sistemima s ograničenom dijagnostičkom infrastrukturom. U Crnoj Gori, kao i u velikom dijelu regiona, podaci na nivou populacije o krhkosti (frailty), prikrhkosti i multimorbiditetima kod odraslih srednje životne dobi do nedavno jednostavno nisu postojali — što je onemogućavalo osmišljavanje strategija rane intervencije zasnovanih na dokazima za najkritičniji prozor prevencije.
Istovremeno, napredak u medicinskom snimanju i mašinskom učenju otvorio je izvanrednu naučnu mogućnost: mrežnjača, dostupna neinvazivno putem standardne dijagnostičke opreme, služi kao prozor u zdravlje vaskularnog i neuralnog tkiva cijelog tijela. Promjene u morfologiji mrežnjače povezane su s nastankom i napredovanjem brojnih starosnih stanja, što analizu slika mrežnjače čini potencijalno moćnim, niskobudžetnim alatom za rano otkrivanje biomarkera. Međutim, treniranje preciznih modela dubokog učenja na velikim anotiranim skupovima medicinskih slika — i njihova validacija na različitim kliničkim populacijama — zahtijeva značajne računarske resurse koji daleko prevazilaze standardnu akademsku infrastrukturu.
RJEŠENJE
Projekat AI-AGE — “Vještačkom inteligencijom podržana identifikacija novih neinvazivnih biomarkera starenja” — istraživačko je partnerstvo između Fakulteta za informacione sisteme i tehnologije (UDG) i Medicinskog fakulteta (Univerzitet Crne Gore), finansirano od strane Ministarstva prosvjete, nauke i inovacija Crne Gore (grant br. 04-082/23-2528/1). Projekat primjenjuje tehnike mašinskog i dubokog učenja — uključujući CNN arhitekture (U-Net, ResNet), transformere, ansambl metode i LLM modele za podršku anotaciji i interpretaciji rezultata — na velikim anotiranim skupovima slika mrežnjače iz UK Biobank, s ciljem identifikacije novih neinvazivnih biomarkera starenja i rizika od starosnih bolesti. Kroz međuprojektnu saradnju s HPC4S3ME projektom i NCC Crna Gora, AI-AGE je sufinansirao značajnu nadogradnju HPC laboratorije na UDG-u — instalacijom rek-servera s 48 CPU jezgara, 128 GB RAM-a, NVIDIA L40 48 GB GPU-om i namjenskim NAS sistemom za skladištenje od 24 TB — pružajući internu računarsku kapacitivnost potrebnu za treniranje AI modela u velikom obimu i analizu medicinskih podataka.
Projekat je proširio klinički opseg izvan analize mrežnjače na modeliranje krhkosti i multimorbiditeta iz podataka primarne zdravstvene zaštite, skrining dijabetesa i predijabetesa korišćenjem samoprijavljenih zdravstvenih indikatora, te detekciju kolorektalnog karcinoma. Rezultati su objavljeni u vodećim međunarodnim časopisima i predstavljeni na regionalnim i međunarodnim konferencijama, a svi primarni skupovi podataka objavljeni su javno na platformi Zenodo u skladu s principima otvorene nauke.
BENEFITS
- HPC-omogućeno medicinsko AI istraživanje: Projekatno suulaganje u UDG HPC laboratoriju — namjenski rek-server s NVIDIA L40 GPU-om i 24 TB skladišnog prostora — stvorilo je internu računarsku kapacitivnost potrebnu za treniranje i validaciju modela dubokog učenja na velikim skupovima medicinskih slika i kliničkih podataka, uspostavljajući trajni infrastrukturni kapital za istraživanje medicinske AI u Crnoj Gori.
- Višedomenski AI alati za detekciju starenja i hroničnih bolesti: Pored analize mrežnjače, projekat je razvija interpretabilne ML modele za procjenu rizika od krhkosti, skrining dijabetesa i predijabetesa (korišćenjem LightGBM modela s SHAP-zasnovanim objašnjenjima) i detekciju kolorektalnog karcinoma — gradeći svestrani portfolio AI-podržanih alata za kliničku podršku odlučivanju zasnovan na rigoroznim dokazima.
- Međuprojektna sinergija kao akcelerator: AI-AGE se namjerno povezao s HPC4S3ME, EuroCC2/EuroCC4SEE i NCC Crna Gora, suinvestirajući u zajedničku infrastrukturu, suorganizujući regionalni simpozijum o HPC-u i AI-u u zdravstvu, i stvarajući kolaborativni ekosistem u kome stručnost, podaci i računarski resursi teku između projekata — multiplicirajući uticaj svake pojedinačne inicijative.
- Regionalna platforma za HPC i AI u zdravstvu: Kroz suorganizaciju simpozijuma o HPC-u i AI-u u zdravstvu — zajedničke inicijative s NCC Crna Gora i NCC Bosna i Hercegovina — AI-AGE je pomogao pozicioniranju Crne Gore kao vidljivog doprinositelja regionalnoj raspravi o odgovornoj i klinički relevantnoj primjeni AI-a u medicini.
NCC Montenegro blisko koordiniše sa timom AI-AGE projekta tokom cijelog trajanja projekta podržavajući planiranje HPC infrastrukture, povezujući projekat s EuroHPC resursima i širim EuroCC ekosistemom, te suorganizujući regionalni zdravstveni simpozijum koji je rezultate AI-AGE pozicionirao unutar šireg južnoevropskog HPC i AI ekosistema.