Η Τεχνητή Νοημοσύνη (AI) είναι γνωστή για την ικανότητά της να βλέπει (όπως στα αυτοκίνητα χωρίς οδηγό) και να ακούει (όπως στην Alexa και άλλους βοηθούς στο σπίτι). Από τώρα και μετά, μπορεί επίσης να μυρίσει. Οι συνάδελφοί μου και εγώ αναπτύσσουμε ένα σύστημα AI που μπορεί να μυρίζει την ανθρώπινη αναπνοή και να μάθει πώς να εντοπίσουμε μια σειρά από ουσίες που αποκαλύπτουν ασθένειες που μπορούμε να αναπνέουμε.
Η αίσθηση της όσφρησης χρησιμοποιείται από τα ζώα και ακόμη και τα φυτά για τον εντοπισμό εκατοντάδων διαφορετικών ουσιών που επιπλέουν στον αέρα. Αλλά σε σύγκριση με εκείνη άλλων ζώων, η ανθρώπινη αίσθηση της όσφρησης είναι πολύ λιγότερο ανεπτυγμένη και σίγουρα δεν χρησιμοποιείται για την πραγματοποίηση καθημερινών δραστηριοτήτων. Για το λόγο αυτό, οι άνθρωποι δεν γνωρίζουν ιδιαίτερα τον πλούτο των πληροφοριών που μπορούν να μεταδοθούν μέσω του αέρα και μπορούν να γίνουν αντιληπτοί από ένα εξαιρετικά ευαίσθητο οσφρητικό σύστημα. AI μπορεί να είναι έτοιμος να αλλάξει αυτό.
Για μερικές δεκαετίες, τα εργαστήρια σε όλο τον κόσμο έχουν τη δυνατότητα να χρησιμοποιούν μηχανές για να ανιχνεύουν πολύ μικρές ποσότητες ουσιών στον αέρα. Αυτές οι μηχανές, που ονομάζονται φασματομετρητές μάζας αερίου-χρωματογραφίας ή GC-MS, μπορούν να αναλύσουν τον αέρα για να ανακαλύψουν χιλιάδες διαφορετικά μόρια γνωστά ως πτητικές οργανικές ενώσεις.
Στη μηχανή GC-MS, κάθε ένωση σε ένα δείγμα αέρα διαχωρίζεται πρώτα και στη συνέχεια θραύεται σε θραύσματα, δημιουργώντας ένα χαρακτηριστικό δακτυλικό αποτύπωμα από το οποίο μπορούν να αναγνωριστούν ενώσεις. Η παρακάτω εικόνα είναι μια απεικόνιση ενός μικρού μέρους των δεδομένων από μια ανάλυση ενός δείγματος αναπνοής.
3D προβολή ενός τμήματος δεδομένων δείγματος αναπνοής από ένα όργανο GC-MS. (James Gathany) Κάθε κορυφή αντιπροσωπεύει ένα θραύσμα ενός μορίου. Τα συγκεκριμένα σχέδια τέτοιων κορυφών αποκαλύπτουν την ύπαρξη ξεχωριστών ουσιών. Συχνά, ακόμη και η μικρότερη κορυφή μπορεί να είναι κρίσιμη. Μεταξύ των εκατοντάδων ενώσεων που υπάρχουν στην ανθρώπινη αναπνοή, μερικές από αυτές θα μπορούσαν να αποκαλύψουν την παρουσία διαφόρων μορφών καρκίνου, ακόμα και σε πρώιμα στάδια. Συνεπώς, τα εργαστήρια σε όλο τον κόσμο πειραματίζονται με το GC-MS ως μη επεμβατικό διαγνωστικό εργαλείο για τον εντοπισμό πολλών ασθενειών, ανώδυνα και έγκαιρα.
Δυστυχώς, η διαδικασία μπορεί να είναι πολύ χρονοβόρα. Οι μεγάλες ποσότητες δεδομένων πρέπει να επιθεωρούνται με το χέρι και να αναλύονται από εμπειρογνώμονες. Η καθαρή ποσότητα ενώσεων και η πολυπλοκότητα των δεδομένων σημαίνουν ότι ακόμη και οι εμπειρογνώμονες χρειάζονται πολύ χρόνο για να αναλύσουν ένα μόνο δείγμα. Οι άνθρωποι είναι επίσης επιρρεπείς στο σφάλμα, μπορούν να χάσουν ένα σύνθετο ή λάθος ένα σύνθετο για το άλλο.
Πώς μπορεί να βοηθήσει η τεχνητή νοημοσύνη
Ως μέλος της ομάδας επιστημών δεδομένων του Πανεπιστημίου Loughborough, οι συνάδελφοί μου και εγώ προσαρμόζουμε την τελευταία τεχνολογία τεχνητής νοημοσύνης για να αντιληφθούμε και να μάθουμε έναν διαφορετικό τύπο δεδομένων: τις χημικές ενώσεις στα δείγματα της αναπνοής. Μαθηματικά μοντέλα εμπνευσμένα από τον εγκέφαλο, που ονομάζονται δίκτυα βαθιάς μάθησης, σχεδιάστηκαν ειδικά για να "διαβάσουν" τα ίχνη που αφήνονται από τις οσμές.
Μια ομάδα ιατρών, νοσοκόμων, ακτινολόγων και ιατρών φυσικών στο Κέντρο Καρκίνου του Εδιμβούργου συνέλεξε δείγματα αναπνοής από συμμετέχοντες που υποβλήθηκαν σε θεραπεία καρκίνου. Στη συνέχεια τα δείγματα αναλύθηκαν από δύο ομάδες χημικών και επιστήμονες υπολογιστών.
Μόλις εντοπίστηκαν με χειροκίνητο αριθμό χημικών ενώσεων οι χημικοί, δόθηκαν γρήγορα στους υπολογιστές τα δεδομένα για την κατάρτιση δικτύων βαθιάς μάθησης. Ο υπολογισμός επιταχύνθηκε από ειδικές συσκευές, που ονομάζονται GPU, οι οποίες μπορούν να επεξεργάζονται ταυτόχρονα πολλαπλές πληροφορίες. Τα δίκτυα βαθιάς μάθησης έμαθαν όλο και περισσότερο από κάθε δείγμα αναπνοής μέχρι να αναγνωρίσουν συγκεκριμένα μοτίβα που αποκάλυψαν συγκεκριμένες ενώσεις στην αναπνοή.
Απλή αναπαράσταση της διαδικασίας: από τις ενώσεις στον αέρα ή τα δείγματα της αναπνοής μέχρι την απεικόνιση των ανιχνευόμενων ουσιών. (James Gathany) Σε αυτή την πρώτη μελέτη, εστιάστηκε στην αναγνώριση μιας ομάδας χημικών, που ονομάζονται αλδεΰδες, που συχνά συνδέονται με αρώματα, αλλά και με ανθρώπινες καταστάσεις στρες και ασθένειες.
Οι υπολογιστές που είναι εφοδιασμένοι με αυτή την τεχνολογία χρειάζονται μόνο λίγα λεπτά για να αναλύσουν αυτόνομα ένα δείγμα αναπνοής που προηγουμένως πήρε ώρες από έναν άνθρωπο εμπειρογνώμονα. Στην πραγματικότητα, η AI καθιστά όλη τη διαδικασία φθηνότερη - αλλά κυρίως καθιστά πιο αξιόπιστη. Ακόμη πιο ενδιαφέρον, αυτό το έξυπνο λογισμικό αποκτά γνώσεις και βελτιώνει την πάροδο του χρόνου καθώς αναλύει περισσότερα δείγματα. Ως αποτέλεσμα, η μέθοδος δεν περιορίζεται σε κάποια συγκεκριμένη ουσία. Χρησιμοποιώντας αυτή την τεχνική, τα συστήματα βαθιάς μάθησης μπορούν να εκπαιδευτούν για να ανιχνεύσουν μικρές ποσότητες πτητικών ενώσεων με δυνητικά ευρείες εφαρμογές στην ιατρική, την εγκληματολογία, την περιβαλλοντική ανάλυση και άλλες.
Εάν ένα σύστημα ΑΙ μπορεί να ανιχνεύσει δείκτες ασθένειας, τότε γίνεται δυνατός και ο εντοπισμός του εάν είμαστε άρρωστοι ή όχι. Αυτό έχει μεγάλες δυνατότητες, αλλά θα μπορούσε επίσης να αποδειχθεί αμφιλεγόμενο. Απλώς προτείνουμε ότι το AI θα μπορούσε να χρησιμοποιηθεί ως εργαλείο για την ανίχνευση ουσιών στον αέρα. Δεν χρειάζεται απαραίτητα να διαγνώσει ή να αποφασίσει. Τα τελικά συμπεράσματα και αποφάσεις μας αφέθηκαν.
Αυτό το άρθρο δημοσιεύθηκε αρχικά στην Η συζήτηση.
Andrea Soltoggio, Λέκτορας, Πανεπιστήμιο Loughborough
