Forscher an der Mayo Clinic haben eine innovative KI-Technologie entwickelt, die als "hypothesengesteuerte KI" bezeichnet wird und sich von herkömmlichen datengesteuerten KI-Modellen unterscheidet.
Herkömmliche KI-Methoden eignen sich hervorragend für die Erkennung von Mustern in riesigen Datenmengen, z. B. in genetischen Sequenzen oder Diagnosebildern, können aber häufig vorhandene wissenschaftliche Erkenntnisse oder Hypothesen nicht direkt in ihren Lernprozess einbeziehen.
Die hypothesengesteuerte KI stellt diese Normen in Frage, indem sie medizinische Hypothesen in ihren Lernprozess einbezieht. Sie lernt nicht nur aus den Daten, mit denen sie gefüttert wird, sondern nutzt auch Hypothesen, um Daten direkt zu erforschen.
Dokumentieren ihrer Forschung in der Zeitschrift CancersDie Mayo Clinic setzt ihre hypothesengesteuerten KI-Systeme ein, um die Dynamik komplexer Krankheiten wie Krebs zu entschlüsseln.
Schreiben in einer Pressemitteilung der Mayo-KlinikDr. Hu Li, der Hauptautor der Studie, erklärt, wie hypothesengesteuerte KI Vorteile bringt medizinische Forschung: "Dies fördert eine neue Ära bei der Entwicklung gezielter und informierter KI-Algorithmen, um wissenschaftliche Fragen zu lösen, Krankheiten besser zu verstehen und eine individualisierte Medizin zu entwickeln."
Und so funktioniert es:
- Zusammenstellung von Daten: Das Team unter der Leitung von Zilin Xianyu und Kollegen an der Mayo Clinic begann seine Studie mit der Erfassung von Genomdaten (DNA), Proteomdaten (Proteine), Transkriptomdaten (RNA-Botschaften) und epigenetischen Daten (vererbbare Veränderungen, die die DNA-Sequenz nicht beeinflussen) aus Tausenden von Krebsproben.
- Entwicklung des KI-Systems: Auf der Grundlage der gesammelten Daten entwickelten die Forscher eine neue Klasse von KI-Algorithmen, die als "hypothesengesteuerte KI" bezeichnet werden. Im Gegensatz zu herkömmlichen Modellen wurden diese Algorithmen so konzipiert, dass sie wissenschaftliche Hypothesen in ihren Lernprozess integrieren und testen.
- Anwendung auf die Onkologieforschung: Nachdem die Algorithmen fertig waren, wendeten die Forscher ihre hypothesengesteuerte KI in verschiedenen Schlüsselbereichen der Onkologieforschung an, z. B. bei der Klassifizierung von Tumoren, der Stratifizierung von Patienten und der Vorhersage des Ansprechens auf Medikamente, und stellten fest, dass sich die Leistung gegenüber herkömmlichen Methoden verbessert hat.
Daniel Billadeau, Ph.D., Miterfinder der Studie und Professor an der Abteilung für Immunologie der Mayo Clinic, erklärte: "Diese neue Klasse von KI eröffnet einen neuen Weg zum besseren Verständnis der Interaktionen zwischen Krebs und dem Immunsystem und verspricht nicht nur, medizinische Hypothesen zu testen, sondern auch vorherzusagen und zu erklären, wie Patienten auf Immuntherapien reagieren werden."
Natürlich gibt es einige Einschränkungen. Dr. Li weist auf die Herausforderungen bei der Entwicklung solch fortschrittlicher Algorithmen hin, darunter die Notwendigkeit bereichsspezifischer Forschung und das Risiko von Verzerrungen.
Dennoch bleibt er optimistisch: "Nichtsdestotrotz ermöglicht die hypothesengesteuerte KI eine aktive Interaktion zwischen menschlichen Experten und der KI, die die Befürchtung zerstreut, dass die KI letztendlich einige Berufe überflüssig machen wird."
Die Rolle der KI in der medizinischen Forschung und im Gesundheitswesen entwickelt sich ständig weiter, wobei die jüngsten Fortschritte in neue Antibiotikaforschung und Synthetisierung Anti-Aging-Medikamente.
Forscher der Mayo Clinic haben kürzlich GPT-4 als diagnostisches Mittel eingesetzt Werkzeug für Schlaganfallpatienten, und im letzten Jahr halfen sie bei der Entwicklung eines Modells für maschinelles Lernen, das Diabetes anhand von Sprachaufnahmen diagnostizieren.
Es gibt jedoch auch Risiken, wie die von über 100 Forschern erstellten Leitlinien für sicheres AI-Protein-Design um das Missbrauchspotenzial zu begrenzen.
