Kunstmatige intelligentie (AI) is 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, het kan ook stinken. Mijn collega's en ik ontwikkelen een AI-systeem dat menselijke adem kan ruiken en kan leren hoe we een reeks ziekteverwekkende stoffen kunnen identificeren die we zouden kunnen uitademen.

De reukzin wordt door dieren en zelfs planten gebruikt om honderden verschillende stoffen te identificeren die in de lucht zweven. Maar vergeleken met die van andere dieren, de menselijke reukzin is veel minder ontwikkeld en zeker niet gebruikt voor het uitvoeren van dagelijkse activiteiten. Om deze reden, mensen zijn zich niet bijzonder bewust van de rijkdom aan informatie die door de lucht kan worden overgedragen, en kan worden waargenomen door een zeer gevoelig reuksysteem. AI gaat daar misschien verandering in brengen.

Sinds een paar decennia is laboratoria over de hele wereld hebben machines kunnen gebruiken om zeer kleine hoeveelheden stoffen in de lucht te detecteren. Die machines, gaschromatografie massaspectrometers of GC-MS genoemd, kan de lucht analyseren om duizenden verschillende moleculen te ontdekken die bekend staan ​​als vluchtige organische stoffen.

In de GC-MS-machine, elke verbinding in een luchtmonster wordt eerst gescheiden en vervolgens in fragmenten gebroken, het creëren van een onderscheidende vingerafdruk waaruit verbindingen kunnen worden herkend. De afbeelding hieronder is een visualisatie van een klein deel van de gegevens uit een analyse van een ademmonster.

Elke piek vertegenwoordigt een fragment van een molecuul. De specifieke patronen van dergelijke pieken onthullen de aanwezigheid van verschillende stoffen. Vaak kan zelfs de kleinste piek cruciaal zijn. Van de honderden verbindingen die in de menselijke adem aanwezig zijn, een paar van hen kunnen de aanwezigheid van verschillende vormen van kanker onthullen, zelfs in de vroege stadia. Laboratoria over de hele wereld experimenteren daarom met GC-MS als een niet-invasief diagnostisch hulpmiddel om veel ziekten te identificeren, pijnloos en op tijd.

Helaas, het proces kan 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 veel tijd nodig hebben om een ​​enkel monster te analyseren. Mensen zijn ook vatbaar voor fouten, kan een verbinding missen of de ene verbinding voor een andere verwarren.

Hoe kunstmatige intelligentie kan helpen

Als onderdeel van het data science-team van Loughborough University, mijn collega's en ik passen de nieuwste kunstmatige-intelligentietechnologie aan om een ​​ander soort gegevens waar te nemen en te leren:de chemische verbindingen in ademmonsters. Wiskundige modellen geïnspireerd door de hersenen, zogenaamde deep learning-netwerken, zijn speciaal ontworpen om de sporen van geuren te "lezen".

Een team van artsen, verpleegsters, radiografen en medische fysici van het Edinburgh Cancer Center verzamelden ademmonsters van deelnemers die een kankerbehandeling ondergingen. De monsters werden vervolgens geanalyseerd door twee teams van chemici en computerwetenschappers.

Nadat een aantal verbindingen handmatig door de chemici waren geïdentificeerd, snelle computers kregen de gegevens om deep learning-netwerken te trainen. De berekening werd versneld door speciale apparaten, GPU's genoemd, die meerdere verschillende stukjes informatie tegelijkertijd kan verwerken. De deep learning-netwerken leerden steeds meer van elk ademmonster totdat ze specifieke patronen konden herkennen die specifieke verbindingen in de adem onthulden.

In deze eerste studie de focus lag op het herkennen van een groep chemicaliën, aldehyden genoemd, die vaak worden geassocieerd met geuren, maar ook met menselijke stress en ziekten.

Computers die met deze technologie zijn uitgerust, hebben slechts enkele minuten nodig om autonoom een ​​ademmonster te analyseren dat voorheen uren in beslag nam door een menselijke expert. Effectief, AI maakt het hele proces goedkoper, maar vooral betrouwbaarder. Nog interessanter, deze intelligente software verwerft kennis en verbetert in de loop van de tijd naarmate het meer monsters analyseert. Als resultaat, de methode is niet beperkt tot een bepaalde stof. Met behulp van deze techniek, deep learning-systemen kunnen worden getraind om kleine hoeveelheden vluchtige verbindingen te detecteren met potentieel brede toepassingen in de geneeskunde, forensisch, omgevingsanalyse en anderen.

Als een AI-systeem ziektemarkers kan detecteren, dan wordt het ook mogelijk om te diagnosticeren of we ziek zijn of niet. Dit heeft een groot potentieel, maar het kan ook controversieel zijn. We suggereren eenvoudigweg dat AI kan worden gebruikt als een hulpmiddel om stoffen in de lucht te detecteren. Het hoeft niet per se een diagnose te stellen of een beslissing te nemen. De uiteindelijke conclusies en beslissingen worden aan ons overgelaten.

Dit artikel is oorspronkelijk gepubliceerd op The Conversation. Lees het originele artikel.