Исследователи клиники Мэйо недавно изобрели новый класс алгоритмов искусственного интеллекта (ИИ), названный ИИ, основанный на гипотезах, который существенно отличается от традиционных моделей ИИ, которые учатся исключительно на данных.
В обзоре, опубликованном в журнале Cancers , исследователи отмечают, что этот новый класс ИИ предлагает инновационный способ использования массивных наборов данных, чтобы помочь обнаружить сложные причины таких заболеваний, как рак, и улучшить стратегии лечения .
«Это открывает новую эру в разработке целенаправленных и информированных алгоритмов ИИ для решения научных вопросов, лучшего понимания болезней и управления индивидуализированной медициной», — говорит старший автор и соавтор Ху Ли, доктор философии, специалист по системной биологии и искусственному интеллекту клиники Мэйо. научный сотрудник отдела молекулярной фармакологии и экспериментальной терапии. «У него есть потенциал раскрыть идеи, упущенные обычным ИИ».
Обычный ИИ в основном используется в задачах классификации и распознавания, таких как распознавание лиц и классификация изображений в клинической диагностике, а также все чаще применяется для генеративных задач, таких как создание текста, похожего на человеческий. Исследователи отмечают, что традиционные алгоритмы обучения часто не учитывают существующие научные знания или гипотезы. Вместо этого они в значительной степени полагаются на большие, объективные наборы данных, получить которые может быть непросто.
По словам доктора Ли, это ограничение значительно ограничивает гибкость методов ИИ и их использования в областях, требующих открытия знаний, таких как медицина.
ИИ — ценный инструмент для выявления закономерностей в больших и сложных наборах данных, например тех, которые используются в исследованиях рака . Центральной проблемой при использовании традиционного ИИ было максимальное использование встроенной информации в этих наборах данных.
«Отсутствие интеграции между существующими знаниями и гипотезами может стать проблемой. Модели искусственного интеллекта могут давать результаты без тщательного проектирования исследователями и врачами, что мы называем проблемой «мусор в мусоре», — говорит доктор Ли.
«Не руководствуясь научными вопросами, ИИ может проводить менее эффективный анализ и изо всех сил пытаться получить важные выводы, которые могут помочь сформировать проверяемые гипотезы и продвинуть медицину вперед».
С помощью ИИ, основанного на гипотезах, исследователи стремятся найти способы включить понимание болезни, например, интегрируя известные патогенные генетические варианты и взаимодействия между определенными генами при раке в разработку алгоритма обучения. Это позволит исследователям и врачам определить, какие компоненты способствуют эффективности модели и, следовательно, улучшить ее интерпретируемость. Кроме того, эта стратегия может решить проблемы с наборами данных и способствовать нашему сосредоточению на открытых научных вопросах.
«Этот новый класс ИИ открывает новые возможности для лучшего понимания взаимодействия между раком и иммунной системой и обещает не только проверять медицинские гипотезы , но также предсказывать и объяснять, как пациенты будут реагировать на иммунотерапию», — говорит Дэниел Билладо, доктор медицинских наук. D., профессор отделения иммунологии клиники Мэйо. Билладо является соавтором и соавтором исследования и имеет давний исследовательский интерес к иммунологии рака.
Исследовательская группа утверждает, что основанный на гипотезах ИИ может использоваться во всех видах исследований рака, включая классификацию опухолей, стратификацию пациентов, открытие генов рака, прогнозирование реакции на лекарства и пространственную организацию опухолей.
Преимущества ИИ, основанного на гипотезах:
Целевой: фокусируется на конкретных гипотезах или исследовательских вопросах.
Использует существующие знания: направляет исследование для поиска ранее упущенных связей.
Более интерпретируемость: результаты легче понять, чем при использовании обычного ИИ.
Сокращение потребностей в ресурсах: требуется меньше данных и вычислительной мощности.
«Машинное рассуждение»: помогает ученым проверять и проверять гипотезы, включая гипотезы, а также биологические и медицинские знания в разработку алгоритма обучения.
Доктор Ли отмечает, что недостатком этого инструмента является то, что создание алгоритмов такого типа требует опыта и специальных знаний, что потенциально ограничивает широкую доступность. Существует также вероятность возникновения предвзятости, и они говорят, что исследователи должны следить за этим при применении различных фрагментов информации. Кроме того, исследователи, как правило, имеют ограниченные возможности и не формулируют все возможные сценарии, потенциально упуская некоторые непредвиденные и важные взаимосвязи.
«Тем не менее, ИИ, основанный на гипотезах, способствует активному взаимодействию между людьми-экспертами и ИИ, что снимает опасения, что ИИ в конечном итоге ликвидирует некоторые профессиональные рабочие места», — говорит доктор Ли.
Поскольку ИИ, основанный на гипотезах, все еще находится в зачаточном состоянии, остаются вопросы, например, как лучше всего интегрировать знания и биологическую информацию, чтобы минимизировать предвзятость и улучшить интерпретацию. Доктор Ли говорит, что, несмотря на проблемы, ИИ, основанный на гипотезах, является шагом вперед.
«Это может значительно продвинуть медицинские исследования, приводя к более глубокому пониманию и улучшению стратегий лечения, потенциально создавая новую дорожную карту для улучшения схем лечения пациентов», — говорит доктор Ли.