Μείνετε συντονισμένοι και παρακολουθήστε τις νεότερες εξελίξεις και νέα στην Μοριακή Ογκολογία.

Το re-iGS είναι ερευνητικό έργο της GENEKOR Medical SA με στόχο την ανάπτυξη ενός ολοκληρωμένου υπολογιστικού συστήματος για τη συστηματική και αυτοματοποιημένη επαναξιολόγηση δεδομένων Whole Exome Sequencing (WES) και Whole Genome Sequencing (WGS).
Η ερμηνεία των γονιδιωματικών δεδομένων δεν αποτελεί μια στατική διαδικασία. Η γνώση σχετικά με τις συσχετίσεις γονιδίων και ασθενειών εξελίσσεται συνεχώς, νέες επιστημονικές ενδείξεις προστίθενται, ενώ και η κλινική εικόνα ενός ασθενούς μπορεί να μεταβάλλεται με την πάροδο του χρόνου. Το re-iGS στοχεύει να αξιοποιήσει αυτές τις μεταβολές, επιτρέποντας την επανεξέταση προηγούμενων αναλύσεων με βάση την πιο πρόσφατη διαθέσιμη γνώση.
Στόχος του έργου
Βασικός στόχος του re-iGS είναι η ανάπτυξη μιας αυτοματοποιημένης ροής επαναξιολόγησης η οποία θα μπορεί να ενσωματώνει:
Τι αναπτύσσεται στο re-iGS
Ενοποίηση βιοϊατρικής γνώσης
Δημιουργείται ένα ενοποιημένο πλαίσιο γνώσης που συνδυάζει πληροφορίες για γονίδια, ασθένειες και φαινότυπους από διεθνείς βιοϊατρικές πηγές και οντολογίες.
Παράλληλα, αναπτύσσονται μέθοδοι μηχανικής μάθησης και relational graph learning για την αναγνώριση και ιεράρχηση υποψήφιων gene–disease associations, διατηρώντας σαφή διάκριση μεταξύ τεκμηριωμένης γνώσης και υπολογιστικών προβλέψεων.
Επεξεργασία κλινικών πληροφοριών με Τεχνητή Νοημοσύνη
Το έργο αναπτύσσει μεθόδους για την αυτόματη επεξεργασία αδόμητων κλινικών δεδομένων, αξιοποιώντας biomedical Large Language Models (LLMs) και retrieval-augmented τεχνικές.
Στόχος είναι η εξαγωγή φαινοτυπικών πληροφοριών από κλινικό κείμενο και η τυποποιημένη αναπαράστασή τους μέσω του Human Phenotype Ontology (HPO), ώστε οι πληροφορίες αυτές να μπορούν να χρησιμοποιηθούν με συστηματικό τρόπο στη γονιδιωματική ερμηνεία και επαναξιολόγηση.
Για τη δομημένη αναπαράσταση και διαλειτουργικότητα των κλινικών δεδομένων έχει επιλεγεί το πρότυπο Fast Healthcare Interoperability Resources (FHIR).
Αυτοματοποιημένη επαναξιολόγηση WES/WGS
Οι επιμέρους τεχνολογίες του έργου θα ενοποιηθούν σε μια ολοκληρωμένη ροή εργασιών για:
re-phenotyping → re-prioritization → re-evaluation → re-classification
γενετικών ευρημάτων.
Η προσέγγιση θα αξιολογηθεί αναδρομικά σε ανωνυμοποιημένα περιστατικά WES/WGS, με στόχο την εκτίμηση της κλινικής χρησιμότητας του συστήματος και της δυνατότητάς του να αναδεικνύει νέα διαγνωστικά ευρήματα σε ήδη αναλυμένα περιστατικά.
Αναμενόμενος αντίκτυπος
Το re-iGS φιλοδοξεί να συμβάλει:
Νέα του έργου
Οκτώβριος 2026 – Παρουσίαση αποτελεσμάτων στο HSCBB26
Αποτελέσματα από δύο συμπληρωματικές κατευθύνσεις του re-iGS παρουσιάστηκαν στο 20ό Συνέδριο της Ελληνικής Εταιρείας Υπολογιστικής Βιολογίας και Βιοπληροφορικής (HSCBB26), που πραγματοποιήθηκε στην Καλαμάτα.
Οι εργασίες ήταν:
Evidence-Aware Relational Graph Learning for Gene–Disease Association Prediction in Genomic Reanalysis
και
Explainable Retrieval-Augmented HPO Phenotyping from Unstructured Clinical Notes Using Biomedical Large Language Models
Οι δύο εργασίες παρουσίασαν αντίστοιχα την ανάπτυξη του evidence-aware gene–disease knowledge framework και την εφαρμογή biomedical LLMs και retrieval-augmented τεχνικών για την αυτοματοποιημένη εξαγωγή και χαρτογράφηση φαινοτύπων.
🏆 Και οι δύο εργασίες συμπεριλήφθηκαν μεταξύ των αναρτημένων ανακοινώσεων που επιλέχθηκαν από τους προσκεκλημένους ομιλητές του συνεδρίου για Best Poster Awards.
Χρηματοδότηση
Το έργο re-iGS – «Ανάπτυξη ολοκληρωμένου υπολογιστικού συστήματος επαναξιολόγησης γονιδιωματικών δεδομένων από ελέγχους WES/WGS αξιοποιώντας τεχνολογίες Μηχανικής Μάθησης» συγχρηματοδοτείται από την Ευρωπαϊκή Ένωση και εθνικούς πόρους μέσω του Προγράμματος «Ανταγωνιστικότητα», στο πλαίσιο της Δράσης «Ερευνώ – Καινοτομώ».
Κωδικός έργου: ΕΚΠΑΡ01-0046422 / MIS 0046422
