Στοχεύει στη διερεύνηση του προγνωστικού δυναμικού βιοδεικτών των καρκινικών κυττάρων
Έργα Ελλήνων

Στοχεύει στη διερεύνηση του προγνωστικού δυναμικού βιοδεικτών των καρκινικών κυττάρων

Ο Δημήτρης Παπαγεωργίου είναι Μεταδιδακτορικός Συνεργάτης στο Τμήμα Επιστήμης και Μηχανικής των Υλικών του Πανεπιστημίου ΜΙΤ της Βοστώνης.

Γεννήθηκε στις 19 Ιανουαρίου 1983 στην Αθήνα. Σπούδασε Φυσική στο Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών (2000-2006), όπου και έκανε το μεταπτυχιακό του στη Μικροηλεκτρονική (2007-2009). Το 2013 απέκτησε το διδακτορικό του δίπλωμα από τη Σχολή Χημικών Μηχανικών του Εθνικού Μετσόβιου Πολυτεχνείου. Από το 2007 – 2010 εργάστηκε ως φυσικός στο Εθνικό Κέντρο Έρευνας Φυσικών Επιστημών «Δημόκριτος».

Ο Δημήτρης Παπαγεωργίου συμμετείχε σε μια νέα μελέτη, στην οποία οι ερευνητές χρησιμοποιώντας μια υπολογιστική προσέγγιση που βασίζεται στη μηχανική «βαθιά» εκμάθηση, ανέπτυξαν ένα νέο σύστημα, το οποίο μπορεί να ταυτοποιεί τα είδη και τις μορφές των ερυθροκυττάρων (ερυθρών αιμοσφαιρίων) ενός ασθενούς. Τα ευρήματα, που δημοσιεύθηκαν στο επιστημονικό περιοδικό PLOS Computational Biology, θα μπορούσαν ενδεχομένως να βοηθήσουν τους γιατρούς να παρακολουθήσουν άτομα με δρεπανοκυτταρική νόσο και με άλλες παθήσεις που αλλοιώνουν την μορφολογία των ερυθροκυττάρων. Επικεφαλής της μελέτης είναι ένας άλλος Έλληνας επιστήμονας, ο Γιώργος Καρνιαδάκης.

Για να αυτοματοποιήσουν την όλη διαδικασία, οι ερευνητές χρησιμοποίησαν ένα «βαθύ συνελικτικό νευρωνικό δίκτυο» (deep convolutional neural network), το οποίο αναλύει τις εικόνες του αίματος που έχουν ληφθεί από το μικροσκόπιο και κατηγοριοποιεί τα ερυθροκύτταρα ανάλογα με το σχήμα τους. Το σύστημα δοκιμάσθηκε με μεγάλη επιτυχία στην ανάλυση 7.000 εικόνων μικροσκοπίου από οκτώ ασθενείς με δρεπανοκυτταρική αναιμία.

Οι ερευνητές σκοπεύουν να βελτιώσουν περαιτέρω το σύστημά τους και να το δοκιμάσουν και σε άλλες παθήσεις του αίματος που αλλοιώνουν την μορφολογία και το μέγεθος των ερυθροκυττάρων, όπως ο διαβήτης και ο ιός HIV. Ακόμη, προτίθενται να μελετήσουν κατά πόσο θα μπορούσε να αξιοποιηθεί για την αυτόματη ταυτοποίηση των καρκινικών κυττάρων.

ΠΡΟΣΘΕΣΕ ΤΟ ΣΧΟΛΙΟ ΣΟΥ