Η Τεχνητή Νοημοσύνη αλλάζει τα πάντα και έχει πια εφαρμογή στην καθημερινή ιατρική πράξη. Χαρτογραφούμε αυτή την εξέλιξη, μιλώντας με ειδικούς
Η Τεχνητή Νοημοσύνη δεν είναι μια αφηρημένη υπόσχεση για το μέλλον της υγείας, αλλά ένα σύνολο εργαλείων που εφαρμόζονται ήδη στην πράξη – και με μετρήσιμα αποτελέσματα. Από τη διαγνωστική και την πρόγνωση έως τη ρομποτική χειρουργική και τη διοικητική διαχείριση των νοσοκομείων, οι αλγόριθμοι έχουν αρχίσει να ενσωματώνονται σε κρίσιμες ιατρικές διαδικασίες, ενισχύοντας την ακρίβεια, επιταχύνοντας τον χρόνο απόκρισης και βελτιώνοντας την αποδοτικότητα.
Πέρα από τη διάγνωση, η AI ενσωματώνεται και σε προγνωστικά εργαλεία, με στόχο την έγκαιρη παρέμβαση σε κρίσιμες καταστάσεις. Συστήματα σε ΜΕΘ εντοπίζουν πρώιμα σημεία σηπτικής κατάστασης, δίνοντας στους γιατρούς τη δυνατότητα να παρέμβουν προτού εκδηλωθούν συμπτώματα. Οι εφαρμογές επεκτείνονται και στην πρόβλεψη καρδιαγγειακού κινδύνου, όπου συνδυασμοί βιοδεικτών, απεικονίσεων και ιστορικών επιτρέπουν ακριβέστερες εκτιμήσεις σε σύγκριση με τα παραδοσιακά εργαλεία.
Η ρομποτική χειρουργική δεν περιορίζεται στον τηλεχειρισμό· υποβοηθητικά συστήματα, με δυνατότητα υπολογιστικής όρασης, προσφέρουν ενδοεπεμβατική καθοδήγηση, αναγνωρίζοντας ανατομικές δομές και συμβάλλοντας στον ακριβή εντοπισμό ορίων εκτομής. Σε συγκεκριμένα στάδια χειρουργικών επεμβάσεων –όπως η συρραφή μαλακών ιστών– έχει καταστεί τεχνικά εφικτή η πλήρης αυτοματοποίηση. Η συμμετοχή του ανθρώπου, ωστόσο, παραμένει απαραίτητη στην εποπτεία και στη λήψη αποφάσεων σε μη προβλέψιμα ενδεχόμενα.
Ενδιαφέρον παρουσιάζει η αξιοποίηση της AI στο πεδίο της διοικητικής λειτουργίας των μονάδων υγείας. Προγνωστικά μοντέλα συμβάλλουν στη διαχείριση των ροών ασθενών, στη βελτιστοποίηση των ραντεβού και στην κατανομή προσωπικού. Παράλληλα, εφαρμογές επεξεργασίας φυσικής γλώσσας αναλαμβάνουν την αυτοματοποίηση γραφειοκρατικών διαδικασιών, μειώνοντας το διοικητικό βάρος για το ιατρικό προσωπικό. Η ίδια τεχνολογία αξιοποιείται και στη διαχείριση επειγόντων περιστατικών με την εφαρμογή συστημάτων αυτόματης διαλογής, που αξιολογεί τα επείγοντα περιστατικά με βάση τα συμπτώματα, τα ζωτικά σημεία και το ιατρικό ιστορικό.
Παραμένουν, ωστόσο, μια σειρά από τεχνικές και ηθικές προκλήσεις: Η ποιότητα και αντιπροσωπευτικότητα των δεδομένων, η διαφάνεια των αλγορίθμων και το θεσμικό πλαίσιο αξιολόγησης αποτελούν κρίσιμα ζητήματα. Εξίσου σημαντικό είναι το νομικό καθεστώς ευθύνης σε περιπτώσεις σφάλματος. Στην παρούσα φάση, η ΑΙ στην ιατρική λειτουργεί ως εργαλείο υποστήριξης, χωρίς να υποκαθιστά την κλινική κρίση. Δεν αποφασίζει, μα συνεισφέρει.
Μιλήσαμε με ανθρώπους που είτε βρίσκονται στην πρώτη γραμμή παραγωγής των μοντέλων ΑΙ είτε την αξιοποιούν στην ιατρική πράξη. Ιχνηλατούμε τις εξελίξεις στην Ιατρική, προσπαθώντας να εκτιμήσουμε τη μελλοντική της πορεία.
Εύα Νύκταρη: Στην καρδιολογική πράξη η συμβολή της Τεχνητής Νοημοσύνης είναι ήδη καθοριστική
Η Τεχνητή Νοημοσύνη δεν υποκαθιστά τον γιατρό, τον ενισχύει. Και στην καρδιολογική πράξη, ιδίως στον τομέα της μαγνητικής απεικόνισης, η συμβολή της είναι ήδη καθοριστική. Η Εύα Νύκταρη, καρδιολόγος, αναπληρώτρια διευθύντρια και επιστημονική υπεύθυνη της μονάδας CMR του Ωνασείου Καρδιοχειρουργικού Κέντρου, περιγράφει τις αλλαγές που έχει επιφέρει η ενσωμάτωση της ΑΙ στην κλινική ρουτίνα.
«Η Τεχνητή Νοημοσύνη με έχει βοηθήσει προσωπικά στη δουλειά μου σε τρία επίπεδα», εξηγεί, ενώ μας δείχνει την οθόνη ενός μεγάλου υπολογιστή στο γραφείο της στο Ωνάσειο. «Πρώτον, επειδή οι μαγνητικές τομογραφίες καρδιάς είναι χρονοβόρες – μπορεί να διαρκούν μέχρι και 90 λεπτά. Με τη χρήση αλγορίθμων το σκανάρισμα γίνεται ταχύτερα και με μεγαλύτερη ακρίβεια εικόνας και πληροφορίας».
Το δεύτερο επίπεδο αφορά την ανάλυση των εικόνων: «Με ειδικό λογισμικό τεχνητής νοημοσύνης, οι μετρήσεις παράγονται αυτόματα. Ο γιατρός πλέον τις επεξεργάζεται, τις διορθώνει, τις εκπαιδεύει. Έχω περάσει πάνω από δύο χιλιάδες περιστατικά και το λογισμικό με ξέρει πια. Έχουμε σχεδόν 100% συμφωνία, εκτός από σπάνιες περιπτώσεις που ξεπερνούν τα όρια του φυσιολογικού».
Το τρίτο πεδίο εφαρμογής είναι η δημιουργία ψηφιακών ολογραμμάτων της καρδιάς για την αντιμετώπιση επικίνδυνων αρρυθμιών. «Παράγουμε ένα μοντέλο της καρδιάς, όπου το υγιές μυοκάρδιο απεικονίζεται με μπλε, οι ουλές με κόκκινο και οι ενδιάμεσες περιοχές με άλλο χρώμα. Με τη βοήθεια αλγορίθμων εντοπίζουμε τα κυκλώματα που προκαλούν τις αρρυθμίες και υποδεικνύουμε στον ηλεκτροφυσιολόγο πού ακριβώς να παρέμβει».
Πριν από την ΤΝ αυτή η διαδικασία ήταν αδύνατη. «Τώρα, η επέμβαση διαρκεί μία ώρα αντί για έξι. Το ποσοστό επιτυχίας είναι σχεδόν 100%. Τρέχουμε πιλοτικά και το παραδοσιακό και το AI-based πρωτόκολλο και η συμφωνία είναι στο 96% – η διαφορά οφείλεται στο γεγονός ότι εμείς βλέπουμε σε τρεις διαστάσεις, ενώ οι ηλεκτροφυσιολόγοι μόνο σε δύο».
Σήμερα, μπορούμε να μιλάμε για εκδημοκρατισμό της υγειονομικής φροντίδας
Η ίδια τεχνολογία εφαρμόζεται και στις κολπικές αρρυθμίες, όπως η μαρμαρυγή. Το επόμενο βήμα είναι η δημιουργία προγνωστικών μοντέλων που ανιχνεύουν την ίνωση στους κόλπους. «Όλα αυτά δεν θα μπορούσαν να γίνουν παλιότερα. Ή θα απαιτούσαν μέρες ή θα ήταν διαθέσιμα μόνο σε λίγους. Σήμερα, μπορούμε να μιλάμε για εκδημοκρατισμό της υγειονομικής φροντίδας».
Η ΑΙ έχει ήδη σημαντικό ρόλο και στην αξονική τομογραφία: «Δίνεις στο σύστημα τις μετρήσεις και τις υπολογίζει αυτόματα. Εσύ βέβαια επιλέγεις ποιες θα αποδεχτείς. Πάντα ο τελικός λόγος ανήκει στον γιατρό». Κι εδώ, τονίζει, το κρίσιμο δεν είναι μόνο η ακρίβεια: «Η διάγνωση είναι η μισή θεραπεία. Αλλά και το πώς θα την ανακοινώσεις στον ασθενή είναι μια επιστήμη από μόνη της. Η επαφή, η ενσυναίσθηση, η εμπιστοσύνη. Η μηχανή μπορεί να σου πει “έχεις 80% πιθανότητα να πεθάνεις”. Ο γιατρός, όμως, θα σου πει: “θα το παλέψουμε μαζί” – και θα το εννοεί. Αυτό δεν είναι παρηγοριά. Είναι μέρος της θεραπείας».
Στο Αιμοδυναμικό Τμήμα του Ωνασείου, σε συνεργασία με το Πανεπιστήμιο της Οξφόρδης και τον καθηγητή Χαράλαμπο Αντωνιάδη, εφαρμόζεται μοντέλο όπου οι αξονικές περνούν από αλγορίθμους Τεχνητής Νοημοσύνης υπό την επίβλεψη τεχνολόγων, που αποφασίζουν ποιοι ασθενείς θα παραπεμφθούν σε γιατρό. «Προσπαθούμε να συγκρίνουμε την αποτελεσματικότητα του ανθρώπινου και του τεχνητού αναλυτή. Στόχος μας είναι ένα συνολικό μοντέλο διαστρωμάτωσης κινδύνου και, τελικά, ένα digital twin – ένα ψηφιακό δίδυμο του ασθενούς, όχι μόνο για την καρδιά, αλλά για όλο του το σώμα, πάνω στο οποίο θα μπορούμε να δοκιμάζουμε θεραπείες προτού εφαρμοστούν στον ίδιο».
Γιάννης Πρασσάς: Η διάγνωση του μέλλοντος θα είναι ψηφιακή και εξατομικευμένη
Στο μεγαλύτερο πανεπιστημιακό νοσοκομείο του Καναδά, ο Γιάννης Πρασσάς ηγείται μιας ερευνητικής προσπάθειας που φιλοδοξεί να αλλάξει ριζικά την πρακτική της παθολογοανατομίας. Ως Research Director του νεοσύστατου Deep Pathomics Center στο University Health Network και επίκουρος καθηγητής στο Τμήμα Εργαστηριακής Ιατρικής και Παθοβιολογίας του Πανεπιστημίου του Τορόντο, εργάζεται για την ενσωμάτωση της ΑΙ στην καθημερινή διαγνωστική διαδικασία.
Η λειτουργία του κέντρου βασίζεται στη σύμπραξη τριών επιστημονικών πεδίων: της διαγνωστικής παθολογίας, της μοριακής βιολογίας και της τεχνητής νοημοσύνης. Στόχος είναι η ανάπτυξη καινοτόμων αλγορίθμων computervision, οι οποίοι, με βάση εκτεταμένα σύνολα δεδομένων, μπορούν να αναγνωρίσουν πρότυπα και να διατυπώσουν διαγνώσεις, με ακρίβεια και ταχύτητα, που υπερβαίνουν τις ανθρώπινες δυνατότητες. «Ένας παθολογοανατόμος μπορεί να χάσει ένα παθολογικό κύτταρο αν είναι κουρασμένος. Ένας αλγόριθμος όχι. Λειτουργεί συστηματικά και χωρίς κόπωση», εξηγεί ο κ. Πρασσάς.
Η ψηφιακή παθολογία δεν περιορίζεται στην υποβοήθηση της διάγνωσης. Στο ερευνητικό σκέλος του κέντρου, αναλύεται η μικροσκοπική πληροφορία του ιστού σε βάθος, με σκοπό την πλήρη κατανόηση της βιολογίας του κάθε ασθενούς. Μέσα από αυτή τη διαδικασία, ανοίγει ο δρόμος για πλήρως εξατομικευμένες θεραπείες. «Μπορούμε πλέον να προβλέψουμε αν ένας ασθενής φέρει συγκεκριμένες μεταλλάξεις, χωρίς να χρειαστεί να υποβληθεί σε ακριβές και χρονοβόρες εξετάσεις. Οι αλγόριθμοι μπορούν να εντοπίσουν μεταλλάξεις και να προτείνουν εξατομικευμένες φαρμακευτικές στρατηγικές, βασισμένες στην πραγματική βιολογία του όγκου».
Η επιστημονική του ομάδα αναπτύσσει επίσης εργαλεία που επιταχύνουν και βελτιώνουν την ανάλυση κλινικού υλικού. Ένα πρόσφατο παράδειγμα αφορά τον εντοπισμό μεταστατικών κυττάρων σε λεμφαδένες από καρκίνο του προστάτη. Όπως εξηγεί ο καθηγητής, «μέχρι πρότινος, ο παθολογοανατόμος χρειαζόταν ώρες για να εξετάσει ιστούς στο μικροσκόπιο. Πλέον, ένας αλγόριθμος μπορεί να εντοπίσει αυτά τα κύτταρα σχεδόν ακαριαία, ελέγχοντας όλους τους διαθέσιμους ιστούς με αξιοσημείωτη αξιοπιστία».
Η συνεργατική φύση του εγχειρήματος είναι θεμελιώδης. Στο Deep Pathomics Center εργάζονται από κοινού ειδικοί στην παθολογοανατομία, αναλυτές δεδομένων και επιστήμονες τεχνητής νοημοσύνης. «Ο ένας εκπαιδεύει τον αλγόριθμο με labels, ο άλλος χτίζει την αρχιτεκτονική και κάποιος τρίτος –όπως εγώ– καθορίζει τις ερευνητικές προτεραιότητες, αναλύει βιοδείκτες και διερευνά κλινικές εφαρμογές». Το εγχείρημα υποστηρίζεται και από το Vector Institute, έναν κορυφαίο οργανισμό στον τομέα της AI, με έδρα το Τορόντο.
Σύμφωνα με τον Γιάννη Πρασσά, η επιστημονική παραγωγή σήμερα δεν μπορεί να προχωρήσει χωρίς τη χρήση αυτών των εργαλείων. «Προσωπικά αφιερώνω καθημερινά τουλάχιστον μία ή δύο ώρες σε εφαρμογές Τεχνητής Νοημοσύνης για βιβλιογραφική έρευνα, διαμόρφωση υποθέσεων και δοκιμή πειραμάτων. Αν δεν το κάνεις, μένεις πίσω».
Όσο για την εμπιστοσύνη στα συστήματα, είναι ένα ζήτημα που κερδίζεται στην πράξη. «Οι γιατροί ήταν αρχικά επιφυλακτικοί, όμως όταν βλέπουν τη συνέπεια και την ταχύτητα των αλγορίθμων που οι ίδιοι έχουν βοηθήσει να εκπαιδευτούν, η αποδοχή αυξάνεται. Και από τους γιατρούς, περνά στους ασθενείς. Έτσι σταδιακά αλλάζει το σύστημα υγείας».
Συνεργαζόμαστε με το εργαλείο, αλλά την τελική απάντηση τη δίνουν πάντα τα πραγματικά δεδομένα
Η ΑΙ δεν υποκαθιστά την επιστημονική κρίση. Όπως αναφέρει ο καθηγητής, «καμία υπόθεση δεν γίνεται αποδεκτή χωρίς τεκμηρίωση. Το validation είναι θεμελιώδες. Συνεργαζόμαστε με το εργαλείο, συζητούμε τις υποδείξεις του, αλλά την τελική απάντηση τη δίνουν πάντα τα πραγματικά δεδομένα».
Επισημαίνει ότι «η διάγνωση δεν θα είναι πλέον “ναι ή όχι” αλλά προγνωστική, δυναμική και εξατομικευμένη: Ποιος ασθενής έχει μεγαλύτερο κίνδυνο επιδείνωσης; Ποια θεραπεία είναι πιο πιθανό να δουλέψει για τον συγκεκριμένο βιολογικό τύπο; Ποια σημάδια δείχνουν πρώιμη υποτροπή πριν ακόμη εμφανιστούν κλινικά; Η διάγνωση θα προκύπτει γρηγορότερα, σε μεγαλύτερο βάθος και χωρίς γεωγραφικούς περιορισμούς, αφού όλα θα γίνονται ψηφιακά. Και παρότι η τεχνολογία θα παίζει τεράστιο ρόλο, το ανθρώπινο στοιχείο –η κλινική κρίση, η εμπειρία, η ενσυναίσθηση– θα παραμείνει κεντρικό. Το μέλλον ανήκει στη συνεργασία ανθρώπου και μηχανής».
Ευδοξία Ψάλτη: Πώς η Microsoft επενδύει στην Τεχνητή Νοημοσύνη για την υγεία
Ο ψηφιακός μετασχηματισμός της υγειονομικής περίθαλψης περνά από την αξιοποίηση προηγμένων τεχνολογιών Τεχνητής Νοημοσύνης. Οι κυριότερες εφαρμογές που εντοπίζει η Microsoft στον χώρο της υγείας περιλαμβάνουν την ενίσχυση της απεικόνισης με AI, την επιτάχυνση της ανακάλυψης φαρμάκων, τη δημιουργία εξατομικευμένων θεραπευτικών πλάνων, την ανάπτυξη ευφυών βοηθών υγείας για τους ασθενείς και την πρόβλεψη νοσημάτων ή θεραπευτικής ανταπόκρισης μέσω ανάλυσης μεγάλων δεδομένων.
θεωρούμε πως αυτή η εξέλιξη αποτελεί κρίσιμο βήμα προς μια πιο προσαρμοστική, ευέλικτη και ανθρωποκεντρική φροντίδα υγείας
Μιλώντας μας για τη στρατηγική κατεύθυνση της Microsoft, η Ευδοξία Ψάλτη, Senior Director στον τομέα τεχνητής νοημοσύνης, σημείωσε: «Η σύγκλιση της γενετικής Τεχνητής Νοημοσύνης (Generative AI) με την πρακτορική Τεχνητή Νοημοσύνη (Agentic AI) ανοίγει νέους, ριζικά μετασχηματιστικούς δρόμους στην υγειονομική περίθαλψη – από την εξατομικευμένη σχεδίαση θεραπειών μέχρι την ευφυή υποστήριξη κλινικών αποφάσεων. Αυτές οι τεχνολογίες δεν περιορίζονται στην ανάλυση δεδομένων· ενεργούν υποστηρικτικά, βοηθώντας ουσιαστικά ιατρούς και ασθενείς να πλοηγηθούν σε πολύπλοκα ιατρικά μονοπάτια. Στο Azure AI Foundry θεωρούμε πως αυτή η εξέλιξη αποτελεί κρίσιμο βήμα προς μια πιο προσαρμοστική, ευέλικτη και ανθρωποκεντρική φροντίδα υγείας».
Τρεις πρόσφατες εφαρμογές του οικοσυστήματος Azure AI –σε ΗΠΑ και Ευρώπη– δείχνουν πώς η καινοτομία μπορεί να ενισχύσει όχι μόνο τη διάγνωση και τη θεραπεία, αλλά και την καθημερινή πράξη γιατρών και ερευνητών.
Η Novo Nordisk, σε συνεργασία με τη Microsoft Research, ανέπτυξε μια εσωτερική πλατφόρμα τεχνητής νοημοσύνης πάνω σε Azure AI και datastacks, με στόχο την επιτάχυνση της διαδικασίας ανακάλυψης φαρμάκων. Η πλατφόρμα χρησιμοποιήθηκε για τη δημιουργία αλγορίθμων πρόβλεψης καρδιαγγειακού κινδύνου, με απόδοση που ξεπερνά τις υφιστάμενες κλινικές προσεγγίσεις.
Στον τομέα των ψηφιακών ιατρικών υπηρεσιών, η γαλλική Doctolib αξιοποίησε τις υποδομές της Microsoft για να αναπτύξει έναν ιατρικό βοηθό βασισμένο στην τεχνητή νοημοσύνη, ενσωματώνοντας το Azure Open AI Service και τη μηχανή Mistral Large. Η εφαρμογή επιτρέπει τη σύνοψη κάθε ιατρικής επίσκεψης σε μόλις 15 δευτερόλεπτα, εξοικονομώντας χρόνο γιατρών και ενισχύοντας την ποιότητα της επαφής με τον ασθενή.
Στις Ηνωμένες Πολιτείες, η Ontada –θυγατρική της McKesson– μετέφερε σε ψηφιακή μορφή και ανέλυσε με εργαλεία Azure Open AI, 150 εκατομμύρια μη δομημένα ογκολογικά έγγραφα. Ενσωματώνοντας περισσότερα από 100 κρίσιμα στοιχεία για 39 τύπους καρκίνου, η Ontada κατάφερε να επιταχύνει κατά 4 φορές τη διαδικασία ανάλυσης και να αποκτήσει πρόσβαση σε περίπου 70% πληροφοριών, που δεν αξιοποιούνταν μέχρι πρότινος.
Synthesa: Πώς η Τεχνητή Νοημοσύνη αλλάζει τη βιβλιογραφική έρευνα στην ιατρική
Η Synthesa AI ιδρύθηκε τον Φεβρουάριο του 2025 από τρεις Έλληνες που συνδυάζουν διαφορετικά πεδία τεχνογνωσίας: τον Λευτέρη Τεπερικίδη, με πολυετή εμπειρία στη φαρμακευτική έρευνα και την τεκμηρίωση φαρμάκων, τον Χρήστο Τραμπούκη, ο οποίος έχει αναλάβει το επιχειρηματικό και οργανωτικό σκέλος της εταιρείας, και τον Κυριάκο Πολυμενάκο, που φέρνει την εξειδίκευση στην Τεχνητή Νοημοσύνη.
Το εγχείρημά τους, υποστηριζόμενο ήδη από το αμερικανικό fund FJ Labs, φιλοδοξεί να αυτοματοποιήσει τη βιβλιογραφική ανασκόπηση και τη στατιστική ανάλυση κλινικών δεδομένων – μια διαδικασία που μέχρι πρότινος απαιτούσε μήνες και χιλιάδες εργατοώρες.
«Αυτό που κάνουμε λέγεται evidence synthesis – η σύνθεση όλων των ερευνών γύρω από ένα φάρμακο, μια θεραπεία ή ένα ιατρικό πρόβλημα, ώστε να βασιστεί εκεί μια απόφαση. Είναι η βάση στην οποία στηρίζεται η ιατρική πρακτική διεθνώς», εξηγεί ο Λευτέρης Τεπερικίδης. Μέχρι σήμερα, η διαδικασία αυτή ήταν χρονοβόρα, επαναλαμβανόμενη και συχνά εκτελούμενη με διαφορετικά πρότυπα. Με τα εργαλεία της Τεχνητής Νοημοσύνης, η Synthesa επιχειρεί να συνθέτει και να αναλύει τα ίδια δεδομένα σε ημέρες ή και ώρες με υψηλότερη ακρίβεια.
Η προσέγγιση είναι εξειδικευμένη: η ομάδα δεν επιχειρεί να παράγει γενικά εργαλεία, αλλά να σχεδιάσει και να εφαρμόσει workflows που αντιστοιχούν σε συγκεκριμένες ανάγκες της ιατρικής έρευνας. «Χτίζουμε γύρω από υπάρχοντα μοντέλα το δικό μας πλαίσιο, τους δικούς μας agents, τα δικά μας δεδομένα, με στόχο να φτάσουμε σ’ ένα σημείο όπου τα ίδια τα μοντέλα θα είναι δικά μας, απόλυτα προσαρμοσμένα στις ανάγκες του τομέα μας», λέει ο κ. Πολυμενάκος.
Δεν μπορείς να εφαρμόσεις τεχνολογία σε αυτό το πεδίο χωρίς να είσαι απόλυτα υπεύθυνος για το τι παράγεις και πώς αυτό αξιοποιείται
Ο Χρήστος Τραμπούκης υπογραμμίζει ότι η χρήση ΤΝ δεν είναι αυτονόητη στον χώρο της υγείας. «Η εμπιστοσύνη των κορυφαίων επιστημόνων που συνεργάζονται μαζί μας δεν είναι δεδομένη. Είναι αποτέλεσμα προσπάθειας, εξειδίκευσης και της ακρίβειας που προσφέρουμε. Ο χώρος είναι ευαίσθητος – και σωστά. Δεν μπορείς να εφαρμόσεις τεχνολογία σε αυτό το πεδίο, χωρίς να είσαι απόλυτα υπεύθυνος για το τι παράγεις και πώς αυτό αξιοποιείται».
Η Synthesa AI έχει ήδη ξεκινήσει συνεργασίες με φαρμακευτικές εταιρείες στην Ευρώπη, ενώ οι πελάτες της προέρχονται κυρίως από τη Γερμανία, τη Γαλλία και την Ιταλία. Η εταιρεία είναι νομικά εγκατεστημένη στις Ηνωμένες Πολιτείες, με το επιχειρηματικό της περιβάλλον, όπως λένε οι ιδρυτές της, να ανταποκρίνεται καλύτερα στις ανάγκες και τους ρυθμούς καινοτομίας. Ωστόσο, η έδρα και το «πνευματικό DNA» της Synthesa παραμένουν ελληνικά.
14°
