AI detecteert ziekten, waaronder kanker, via menselijke adem

• Een nieuw convolutioneel neuraal netwerk kan verbindingen in de menselijke adem analyseren en ziekten detecteren.
• De technologie maakt het hele proces snel, goedkoper en betrouwbaarder.
• Het kan worden gebruikt in forensisch onderzoek, geneeskunde en milieuanalyse.

Kunstmatige intelligentie (AI) zorgt tegenwoordig voor veel ophef. Ontwikkelaars integreren AI in bijna alles:of het nu gaat om het herkennen van stemmen in de menigte, het maken van volledig autonome voertuigen, het converteren van video's naar hoge kwaliteit of het ontwikkelen van betere batterijen of explosieven:AI heeft zijn buitengewone capaciteiten op alle gebieden bewezen.

Vanaf nu kan AI ook ruiken. Onderzoekers van de Universiteit van Edinburgh, Western General Hospital en Loughborough University hebben een op diepgaand leren gebaseerd systeem gebouwd dat verbindingen in de menselijke adem kan onderzoeken en ziekten kan detecteren, waaronder verschillende soorten kanker, met een grotere nauwkeurigheid dan bij mensen.

De typische menselijke adem bevat meer dan 1.000 verschillende vluchtige organische stoffen, die producten zijn van de metabolische processen die plaatsvinden als gevolg van de bloed-gasuitwisseling in het hele lichaam. Een ademmonster bestaat uit verschillende informatie, die pathologische en fysiologische aandoeningen beschrijft, en dus de gezondheidsstatus van een patiënt.

Bestaande methoden om de ademhaling te analyseren

De afgelopen decennia hebben wetenschappers geavanceerde machines gebruikt om kleine hoeveelheden elementen en verbindingen in de lucht te detecteren. Deze machines maken gebruik van de analytische methode gaschromatografie-massaspectrometrie (GC-MS) om talrijke vluchtige organische stoffen te identificeren.

De machine scheidt elke verbinding in het luchtmonster en vernietigt deze in fragmenten. Nu heeft elk fragment een unieke identiteit waaraan men specifieke verbindingen kan herkennen.

Krediet:James Gathany / Smithsonian

De bovenstaande grafiek toont een 3D-weergave van een deel van een ademmonster van de GC-MS-machine. Elke afzonderlijke piek is geassocieerd met het fragment van een molecuul. Zelfs de kleinste piek speelt een cruciale rol bij het identificeren van verschillende stoffen. De specifieke patronen van dergelijke pieken onthullen het soort ziekten dat een patiënt mogelijk draagt, inclusief kanker in een vroeg stadium.

Tegenwoordig worden GC-MS-machines gebruikt bij drugsdetectie, milieuonderzoek, analyse van explosieven en detectie van onbekende materialen, waaronder monsters die in de jaren zeventig van de planeet Mars zijn verkregen.

Het proces kan echter vervelend en tijdrovend zijn. Er is een enorme hoeveelheid complexe gegevens nodig die handmatig door specialisten moeten worden onderzocht. Soms duurt het dagen om een enkel monster te onderzoeken, en omdat mensen gevoelig zijn voor fouten, kunnen ze een stof over het hoofd zien of de ene stof voor de andere aanzien.

Hoe AI kan helpen?

Onderzoekers hebben het gebruik van convolutionele neurale netwerken (CNN's) voorgesteld om vluchtige organische stoffen autonoom op basis van ruwe gegevens te identificeren. Dit elimineert de noodzaak van een tijdrovende, arbeidsintensieve workflow voor gegevensvoorverwerking.

Ze verzamelden ademmonsters van patiënten die een kankerbehandeling ondergingen in het Edinburgh Cancer Centre. Deze monsters werden vervolgens onderzocht door 2 teams van computerwetenschappers en scheikundigen.

Nadat de verbindingen handmatig waren geïdentificeerd, werden deze monsters aan deep learning-netwerken toegevoegd. De berekening van het neurale netwerk werd uitgevoerd op NVIDIA Tesla GPU's met behulp van TensorFlow en Keras deep learning-frameworks.

Een eenvoudige weergave van het hele proces | Credit:James Gathany/Smithsonian

Om de efficiëntie van het netwerk verder te verbeteren, hebben de onderzoekers de oorspronkelijke trainingsdatasets uitgebreid met behulp van data-augmentatie:de CNN werd 100 keer uitgebreid.

Referentie:Research Gate | Smithsonianmag

Het systeem presteerde het beste wanneer het werd uitgevoerd met 2 specifieke kenmerken:

1. 1D-filter om aan te passen aan de specifieke GC-MS-datastructuur.
2. 3D-kanaalinvoer om signalen met lage, gemiddelde en hoge intensiteit uit een variërend GC-MS-spectrum te lezen.

De onderzoekers concentreerden zich op het identificeren van een reeks chemicaliën, aldehyden genaamd, die vaak verantwoordelijk zijn voor geurstoffen, maar ook voor ziekten en stress bij de mens.

Computers die met deze AI zijn geïntegreerd, hebben slechts enkele minuten nodig om een ademmonster te identificeren, wat anders uren zou duren. Over het geheel genomen maakt de technologie het hele proces snel en goedkoper, maar bovenal maakt het het proces betrouwbaarder.

Lezen:Google ontwikkelt AI die hartziekten voorspelt door uw ogen te scannen

De nauwkeurigheid van het netwerk kan verder worden verbeterd door het te trainen op een breed scala aan monsters. Bovendien is het niet beperkt tot een specifieke verbinding:je zou deze AI kunnen gebruiken in forensisch onderzoek, geneeskunde en milieuanalyse.