Image
Loading
Image
18 Δεκεμβρίου, 2025

re-iGS: Ανάπτυξη ολοκληρωμένου υπολογιστικού συστήματος επαναξιολόγησης γονιδιωματικών δεδομένων από ελέγχους WES/WGS αξιοποιώντας τεχνολογίες Μηχανικής Μάθησης

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:

  • επικαιροποιημένη γνώση για συσχετίσεις γονιδίων, ασθενειών και φαινοτύπων,
  • νέες ή επικαιροποιημένες κλινικές πληροφορίες του εξεταζόμενου,
  • επαναϊεράρχηση των υποψήφιων γονιδίων και γενετικών παραλλαγών,
  • επανεκτίμηση και επαναταξινόμηση γενετικών ευρημάτων,
  • υποστήριξη της επανέκδοσης κλινικών αναφορών όταν προκύπτουν νέα κλινικά σημαντικά δεδομένα.

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:

  • στη βελτίωση της διαγνωστικής αξιοποίησης των δεδομένων WES/WGS,
  • στην αυτοματοποίηση της περιοδικής επαναξιολόγησης γονιδιωματικών δεδομένων,
  • στην καλύτερη αξιοποίηση νέας επιστημονικής και κλινικής γνώσης,
  • στη μείωση του χειροκίνητου φόρτου εργασίας των αναλυτών,
  • στην ανάπτυξη ενός επαναχρησιμοποιήσιμου και επεκτάσιμου πλαισίου για τη γονιδιωματική επανάλυση.

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