Kunstmatige intelligentie (AI) staat vooral bekend om zijn vermogen om te zien (zoals in auto's zonder bestuurder) en te luisteren (zoals in Alexa en andere thuisassistenten). Vanaf nu kan het ook ruiken. Mijn collega's en ik ontwikkelen een AI-systeem dat de menselijke adem kan ruiken en leren hoe we een reeks ziekteverwekkende stoffen kunnen identificeren die we kunnen uitademen.
Het reukvermogen wordt door dieren en zelfs planten gebruikt om honderden verschillende stoffen te identificeren die in de lucht zweven. Maar vergeleken met dat van andere dieren, is het menselijke reukvermogen veel minder ontwikkeld en zeker niet gebruikt om dagelijkse activiteiten uit te voeren. Om deze reden zijn mensen zich niet bijzonder bewust van de rijkdom aan informatie die via de lucht kan worden overgedragen en kan worden waargenomen door een zeer gevoelig reuksysteem. AI kan dat gaan veranderen.
Sinds enkele decennia kunnen laboratoria over de hele wereld machines gebruiken om zeer kleine hoeveelheden stoffen in de lucht te detecteren. Die machines, gaschromatografie massaspectrometers of GC-MS genaamd, kunnen de lucht analyseren om duizenden verschillende moleculen te ontdekken die bekend staan als vluchtige organische stoffen.
In de GC-MS-machine wordt elke verbinding in een luchtmonster eerst gescheiden en vervolgens in stukken gebroken, waardoor een onderscheidende vingerafdruk ontstaat waaruit verbindingen kunnen worden herkend. De onderstaande afbeelding is een visualisatie van een klein deel van de gegevens uit een analyse van een ademmonster.
3D-weergave van een deel van de ademmonstergegevens van een GC-MS-instrument. (James Gathany) Elke piek vertegenwoordigt een fragment van een molecuul. De specifieke patronen van dergelijke pieken onthullen de aanwezigheid van verschillende substanties. Vaak kan zelfs de kleinste piek cruciaal zijn. Onder de honderden verbindingen die in de menselijke adem aanwezig zijn, kunnen een paar ervan de aanwezigheid van verschillende kankers onthullen, zelfs in vroege stadia. Laboratoria over de hele wereld experimenteren daarom met GC-MS als een niet-invasief diagnostisch hulpmiddel om vele ziekten pijnloos en tijdig te identificeren.
Helaas kan het proces erg tijdrovend zijn. Grote hoeveelheden gegevens moeten handmatig worden geïnspecteerd en geanalyseerd door experts. De enorme hoeveelheid verbindingen en de complexiteit van de gegevens zorgen ervoor dat zelfs experts er lang over doen om een enkel monster te analyseren. Mensen zijn ook vatbaar voor fouten, kunnen een verbinding missen of de ene verbinding verwarren met de andere.
Hoe kunstmatige intelligentie kan helpen
Als onderdeel van het data science-team van Loughborough University passen mijn collega's en ik de nieuwste kunstmatige intelligentietechnologie aan om een ander type gegevens te kunnen waarnemen en leren: de chemische verbindingen in ademmonsters. Wiskundige modellen geïnspireerd door de hersenen, zogenaamde deep learning-netwerken, zijn specifiek ontwikkeld om de sporen van geuren te “lezen”.
Een team van artsen, verpleegkundigen, radiografen en medisch fysici van het Edinburgh Cancer Centre verzamelden ademmonsters van deelnemers die een behandeling tegen kanker ondergingen. De monsters werden vervolgens geanalyseerd door twee teams van chemici en computerwetenschappers.
Nadat een aantal verbindingen handmatig door de chemici waren geïdentificeerd, kregen snelle computers de gegevens om deep learning-netwerken te trainen. De berekening werd versneld door speciale apparaten, GPU's genaamd, die meerdere verschillende stukjes tegelijkertijd kunnen verwerken. De diepgaande leernetwerken leerden meer en meer van elk ademmonster totdat ze specifieke patronen konden herkennen die specifieke verbindingen in de adem onthulden.
Eenvoudige weergave van het proces: van verbindingen in de lucht of ademmonsters tot de visualisatie van de gedetecteerde stoffen. (James Gathany) In deze eerste studie lag de nadruk op het herkennen van een groep chemicaliën, aldehyden genaamd, die vaak worden geassocieerd met geurstoffen maar ook menselijke stressaandoeningen en ziekten.
Computers uitgerust met deze technologie hebben slechts enkele minuten nodig om zelfstandig een ademmonster te analyseren dat voorheen uren duurde door een menselijke expert. In feite maakt AI het hele proces goedkoper - maar het maakt het vooral betrouwbaarder. Nog interessanter is dat deze intelligente software kennis verwerft en in de loop van de tijd verbetert naarmate het meer monsters analyseert. Als gevolg hiervan is de methode niet beperkt tot een bepaalde stof. Met behulp van deze techniek kunnen deep learning-systemen worden getraind om kleine hoeveelheden vluchtige stoffen te detecteren met potentieel brede toepassingen in de geneeskunde, forensisch onderzoek, omgevingsanalyse en andere.
Als een AI-systeem markers van ziekte kan detecteren, wordt het mogelijk om ook te diagnosticeren of we ziek zijn of niet. Dit heeft een groot potentieel, maar het kan ook controversieel zijn. We suggereren eenvoudig dat AI kan worden gebruikt als een hulpmiddel om stoffen in de lucht te detecteren. Het hoeft niet noodzakelijkerwijs een diagnose te stellen of een beslissing te nemen. De definitieve conclusies en beslissingen worden aan ons overgelaten.
Dit artikel is oorspronkelijk gepubliceerd op The Conversation.
Andrea Soltoggio, docent, Loughborough University
