Onderzoekers van de Mayo Clinic hebben een innovatieve AI-technologie ontwikkeld, "hypothesegestuurde AI" genoemd, die afwijkt van conventionele gegevensgestuurde AI-modellen.
Traditionele AI-methoden blinken uit in het identificeren van patronen in enorme hoeveelheden gegevens, zoals genetische sequenties of diagnostische beelden, maar kunnen bestaande wetenschappelijke kennis of hypotheses vaak niet direct opnemen in hun leerproces.
Hypothesegestuurde AI daagt deze normen uit door medische hypotheses op te nemen in het leerproces. Het leert niet alleen van de gegevens die het binnenkrijgt - het gebruikt ook hypotheses om gegevens direct te onderzoeken.
Hun documenteren onderzoek in het tijdschrift CancersDe Mayo Clinic past hun hypothesegestuurde AI-systemen toe om de dynamiek van complexe ziekten zoals kanker te helpen ontrafelen.
Schrijven in een Mayo Kliniek persberichtDr. Hu Li, hoofdauteur van het onderzoek, legde uit hoe hypothesegestuurde AI voordelen biedt medisch onderzoek: "Dit bevordert een nieuw tijdperk in het ontwerpen van gerichte en geïnformeerde AI-algoritmen om wetenschappelijke vragen op te lossen, ziekten beter te begrijpen en geïndividualiseerde geneeskunde te begeleiden."
Zo werkt het:
- Gegevens verzamelen: Het team, onder leiding van Zilin Xianyu en collega's van de Mayo Clinic, begon hun onderzoek met het verzamelen van onder andere genomische gegevens (DNA), proteomische gegevens (eiwitten), transcriptomische gegevens (RNA-boodschappen) en epigenetische gegevens (erfelijke veranderingen die geen invloed hebben op de DNA-sequentie) van duizenden kankermonsters.
- Het AI-systeem ontwikkelen: Op basis van de verzamelde gegevens ontwierpen de onderzoekers een nieuwe klasse AI-algoritmen die bekend staan als "hypothesegestuurde AI". In tegenstelling tot traditionele modellen zijn deze algoritmen speciaal ontworpen om wetenschappelijke hypotheses in hun leerproces te integreren en te testen.
- Toepassing op oncologisch onderzoek: Toen de algoritmen klaar waren, pasten de onderzoekers hun hypothesegestuurde AI toe op verschillende belangrijke gebieden van oncologisch onderzoek, zoals tumorclassificatie, patiëntstratificatie en voorspelling van medicijnrespons, waarbij ze verbeterde prestaties rapporteerden ten opzichte van conventionele methoden.
Daniel Billadeau, Ph.D., mede-uitvinder van het onderzoek en professor aan de afdeling immunologie van de Mayo Clinic, verklaarde: "Deze nieuwe klasse van AI opent een nieuwe weg om de interacties tussen kanker en het immuunsysteem beter te begrijpen en houdt een grote belofte in, niet alleen om medische hypotheses te testen, maar ook om te voorspellen en te verklaren hoe patiënten zullen reageren op immuuntherapieën."
Natuurlijk zijn er enkele beperkingen. Dr. Li wijst op de uitdagingen bij het maken van zulke geavanceerde algoritmen, waaronder de noodzaak van domeinspecifiek onderzoek en het risico van vertekening.
Toch blijft hij optimistisch: "Desalniettemin faciliteert hypothesedriven AI actieve interacties tussen menselijke experts en AI die de zorgen wegnemen dat AI uiteindelijk sommige professionele banen zal elimineren."
De rol van AI in medisch onderzoek en onderzoek in de gezondheidszorg is voortdurend in ontwikkeling. nieuw onderzoek naar antibiotica en synthetiseren geneesmiddelen tegen veroudering.
Onderzoekers van de Mayo Clinic gebruikten onlangs GPT-4 als diagnostische hulpmiddel voor patiënten met een beroerte, en vorig jaar hielpen ze bij de ontwikkeling van een machine-learningmodel dat diabetes diagnosticeren aan de hand van spraakopnames.
Er zijn echter risico's, zoals bleek toen meer dan 100 onderzoekers richtlijnen opstelden voor veilig AI-eiwitontwerp om de kans op misbruik te beperken.
