Obrona doktoratu kpt. mgr. inż. Tomasza Gutowskiego
W dniu 6 marca na Wydziale Cybernetyki miała miejsce publiczna obrona rozprawy doktorskiej kpt. mgr. inż. Tomasza Gutowskiego. Rozprawa „Optymalizacja dawkowania leków w chorobie Parkinsona na podstawie sygnałów z pomiarów sensorowych” została obroniona w dyscyplinie Informatyka Techniczna i Telekomunikacja. Promotorem pracy jest dr hab. inż. Ryszard Antkiewicz, prof. WAT, natomiast promotorem pomocniczym, gen. bryg. dr inż. Mariusz Chmielewski. W ramach cyklu #NasiNaukoWCY prezentujemy główne wyniki pracy doktorskiej naszego pracownika.
Choroba Parkinsona, będąca przewlekłym schorzeniem neurodegeneracyjnym, stwarza ogromne wyzwania w zakresie leczenia. W szczególności dotyczy to dokładnego dopasowania dawkowania leków, co wymaga indywidualnego podejścia do każdego pacjenta. W swojej pracy doktorant kpt. mgr inż. Tomasz Gutowski skupił się na opracowaniu metod, które umożliwią lepsze zarządzanie terapią tej choroby. Głównym celem rozprawy było stworzenie systemu wspierającego personalizację leczenia, który opiera się na analizie danych pochodzących z różnych czujników wykorzystując metody uczenia maszynowego i metod optymalizacji.
Jak napisał dyplomant:
„Choroba Parkinsona (PD) stwarza wiele trudności w terapii wymagając dokładności oraz głębokiego zrozumienia indywidualnych potrzeb pacjentów z chorobą. W tej pracy zbadano zastosowanie metod uczenia maszynowego i metod optymalizacji w celu wsparcia terapii PD skupiając się na budowaniu zindywidualizowanych harmonogramów przyjmowania leków. Głównym celem pracy jest przygotowanie metody, która będzie w stanie sugerować optymalne dawki leków oraz czasy ich przyjęcia, w szczególności dla lewodopy - głównego leku stosowanego w terapii PD, tak aby utrzymać pacjenta w optymalnym stanie jak najdłużej w ciągu dnia.”
Praca kpt. mgr. inż. Tomasza Gutowskiego podzielona została na cztery kluczowe obszary: ocenę intensywności objawów, modelowanie reakcji pacjenta na leki, optymalizację harmonogramów dawkowania oraz implementację systemu monitorowania stanu pacjenta. W pierwszym obszarze badano, jak dane z sensorów wbudowanych w urządzenia mobilne i opaski, takie jak akcelerometry i żyroskopy, mogą być wykorzystywane do oceny nasilenia objawów choroby. Dyplomant badał m. in. jak zróżnicowane ćwiczenia mogłyby zostać wykorzystane do predykcji intensywności poszczególnych objawów i ogólnego stanu pacjenta. Zbudowane modele uczenia maszynowego okazały się skuteczne, a wyniki potwierdziły, że metody głębokiego uczenia, wymagają większej ilości danych, ale zapewniają lepszą precyzję.
Kolejnym krokiem było stworzenie modeli predykcyjnych do badania reakcji pacjentów na leki, zwłaszcza lewodopę, główny środek stosowany w leczeniu Parkinsona. Zastosowanie sieci neuronowych, w tym komórek LSTM, pozwoliło na dokładne prognozowanie zmian w stanie zdrowia pacjenta po zażyciu leków. Badania wykazały, że integracja danych demograficznych i klinicznych przyczynia się do lepszej personalizacji leczenia. Warto podkreślić, że podczas badań opracowane modele zostały zweryfikowane na danych pacjentów syntetycznych oraz rzeczywistych.
W obszarze optymalizacji dawkowania leków opracowano algorytmy, które umożliwiają tworzenie zindywidualizowanych harmonogramów przyjmowania leków. Wykorzystano tu techniki optymalizacji oraz uczenie ze wzmocnieniem, co pozwala na dopasowanie dawek oraz czasów ich przyjmowania do indywidualnych potrzeb pacjenta. Porównanie wyników uzyskanych za pomocą klasycznych modeli farmakokinetycznych oraz metod uczenia maszynowego wskazało, że obie metody są równie skuteczne, co stanowi ważny krok w stronę bardziej elastycznego i dokładnego leczenia.
Ostatnia część pracy dotyczyła stworzenia systemu teleinformatycznego do monitorowania pacjentów. System składa się z aplikacji mobilnej dla pacjentów oraz aplikacji internetowej dla klinicystów. Dzięki temu rozwiązaniu pacjenci mogą na bieżąco rejestrować swoje objawy, przyjęte dawki leków i inne istotne dane, które następnie są przesyłane do klinicystów. Ci, w oparciu o zebrane informacje, mogą podejmować decyzje dotyczące dalszego leczenia, co zwiększa precyzję terapii i pozwala na szybsze reagowanie w przypadku zmian stanu zdrowia pacjenta.
Zdaniem recenzenta prof. dr hab. inż. Andrzeja Mitasa z Politechniki Śląskiej rozprawa doktorska kpt. mgr. inż. Tomasza Gutowskiego eksponuje oryginalny wkład Autora w rozwój informatyki sensu largo. Zakres pracy jest przez to nadzwyczajny, a do osiągnięcia celu tytułowego niezbędne było wykonanie skomplikowanych i oryginalnych prac o charakterze badawczo-wdrożeniowym:
„Stwierdzam, że praca doktorska opisuje oryginalne rezultaty samodzielnej pracy naukowej, skrupulatnie dokumentuje rozwiązanie problemu badawczego, a także ewidentnie eksponuje wiedzę Kandydata, w szczególności w zakresie aparatury i informatyki medycznej, stanowiąc istotny wkład w postęp wiedzy. Na podstawie bardzo wysokiej oceny dysertacji, dokumentującej autorskie badania i prace rozwojowe koncepcji do postaci działającego systemu biomedycznego wnoszę o jej wyróżnienie”.
Z kolei drugi recenzent, dr hab. inż. Tomasz Praczyk, prof. AMW zauważa, że realizacja pracy wymagała od doktoranta pozyskania wiedzy z zakresu choroby Parkinsona, jej przyczyn, skutków i sposobów leczenia. W konsekwencji praca ma charakter interdyscyplinarny łącząc w sobie takie dyscypliny jak informatyka techniczna i telekomunkacja, inżynieria biomedyczna i medycyna.
„W pracy doktorant postawił hipotezę: zastosowanie algorytmów uczenia maszynowego i danych z czujników w ramach zintegrowanego systemu obejmującego zarówno platformy mobilne, jak i internetowe, może umożliwić tworzenie spersonalizowanych harmonogramów przyjmowania leków, co może poprawić zarządzanie objawami choroby Parkinsona. Weryfikacja hipotezy wymagała opracowania: metody oceny stanu pacjenta na podstawie obserwacji różnych symptomów podczas wymuszonej lub niewymuszonej aktywności w ciągu dnia; metody predykcji jego stanu podczas kuracji polegającej na przyjmowaniu wyspecjalizowanego leku na chorobę Parkinsona; metody planowania sposobu leczenia, czyli czasu i dawek leku przyjmowanych w ciągu dnia; systemu pomiaru i archiwizacji parametrów stanu pacjenta oraz wspomagania personelu medycznego w leczeniu choroby Parkinsona.”
Trzeci z recenzentów, dr hab. inż. Piotr Szczuko, prof. Politechniki Gdańskiej zauważa, że
„doktorant zaproponował interesujące podejście do transformacji danych kategorycznych i numerycznych, które pochodzą z różnych źródeł. Autor rozwiązuje problem połączenia decyzji binarnej: „Tak”, „Nie” oraz skali liczbowej 0…4. Zwraca jednocześnie uwagę na silnie niezbalansowanie zbioru i wskazuje na możliwość stosowania odpowiednich funkcji straty lub próbkowania zbioru. Trafnie opisuje źródło błędów etykiet: subiektywną ocenę przez ekspertów, wynikającą z różnego doświadczenia bądź stronniczości.”
Rozprawa ma interdyscyplinarny charakter pracy, który łączy informatykę, medycynę oraz inżynierię biomedyczną. Recenzenci zgodnie podkreślali, że rozwiązania zaprezentowane w rozprawie mają potencjał do realnej poprawy jakości życia pacjentów oraz efektywności leczenia choroby Parkinsona.
Kpt. mgr inż. Tomasz Gutowski, wykorzystując nowoczesne technologie, udowodnił, że za pomocą systemów opartych na sztucznej inteligencji i sensorach możliwe jest stworzenie bardziej spersonalizowanych i efektywnych metod leczenia choroby Parkinsona. Jego rozprawa pokazuje ogromny potencjał w wykorzystaniu nowych technologii w medycynie i może stanowić fundament do dalszych badań nad indywidualizacją terapii dla pacjentów z tym schorzeniem.
Oprac. Dr inż. Paweł Moszczyński, Magdalena Moszczyńska
Fot. w grafice: Katarzyna Puciłowska, Fot. WCY
