Vandaag rapporteerden mijn IBM-team en mijn collega's in het UCSF Gartner-lab in: Natuurmethoden een innovatieve benadering om datasets van niet-experts te genereren en deze te gebruiken voor training in machine learning. Onze aanpak is ontworpen om AI-systemen in staat te stellen net zo goed te leren van niet-experts als van door experts gegenereerde trainingsgegevens. We ontwikkelden een platform, genaamd Quanti.us, waarmee niet-experts afbeeldingen kunnen analyseren (een veel voorkomende taak in biomedisch onderzoek) en een geannoteerde dataset kunnen maken. Het platform wordt aangevuld met een reeks algoritmen die speciaal zijn ontworpen om dit soort "luidruchtige" en onvolledige gegevens correct te interpreteren. Samen gebruikt, deze technologieën kunnen toepassingen van machine learning in biomedisch onderzoek uitbreiden.

Niet-experts en luidruchtige gegevens

De beperkte beschikbaarheid van hoogwaardige geannoteerde datasets is een knelpunt bij het bevorderen van machine learning. Door algoritmen te maken die nauwkeurige resultaten kunnen leveren van annotaties van lagere kwaliteit - en een systeem om dergelijke gegevens snel te verzamelen - kunnen we het knelpunt helpen verlichten. Het analyseren van afbeeldingen op interessante kenmerken is een goed voorbeeld. Annotatie van afbeeldingen door experts is nauwkeurig maar tijdrovend, en geautomatiseerde analysetechnieken zoals op contrast gebaseerde segmentatie en randdetectie presteren goed onder gedefinieerde omstandigheden, maar zijn gevoelig voor veranderingen in de experimentele opstelling en kunnen onbetrouwbare resultaten opleveren.

Voer crowdsourcing in. Quanti.us gebruiken, we verkregen crowd-sourced beeldannotaties 10-50 keer sneller dan een enkele expert nodig zou hebben om dezelfde afbeeldingen te analyseren. Maar, zoals men zou verwachten, annotaties van niet-experts waren luidruchtig:sommige identificeerden een functie correct en andere waren off-target. We hebben algoritmen ontwikkeld om de luidruchtige gegevens te verwerken, het afleiden van de juiste locatie van een kenmerk uit de aggregatie van zowel on- als off-target hits. Toen we een diep convolutieregressienetwerk trainden met behulp van de crowd-sourced dataset, het presteerde bijna net zo goed als een netwerk dat was getraind in deskundige annotaties, met betrekking tot precisie en terugroepactie. Samen met het document waarin onze aanpak en strategie worden beschreven, we hebben de broncode voor ons algoritme vrijgegeven.

Toepassingen in cellulaire engineering

Beeldanalyse staat centraal in vele gebieden van kwantitatieve biologie en geneeskunde. Een paar jaar geleden hebben wij en onze medewerkers het door de NSF gefinancierde Center for Cellular Construction (CCC) aangekondigd, een wetenschappelijk en technologisch centrum dat pioniert in de nieuwe wetenschappelijke discipline van cellulaire engineering. CCC faciliteert nauwe samenwerking tussen experts van verschillende disciplines, zoals machinaal leren, natuurkunde, computertechnologie, cel- en moleculaire biologie, en genomica, om vooruitgang in cellulaire engineering te stimuleren. We willen cellen bestuderen en maken die kunnen worden gebruikt als geautomatiseerde machines, of ad-hocsensoren, om nieuwe en essentiële informatie te leren over een verscheidenheid aan biologische entiteiten en hun relatie met de omgeving waarin ze leven. We gebruiken beeldanalyse om de positie en grootte van interne celcomponenten te bepalen. Maar zelfs met geavanceerde beeldvormingstechnieken, exacte gevolgtrekking van cellulaire substructuren kan ongelooflijk luidruchtig zijn, waardoor het moeilijk is om op de componenten van de cel te werken. Onze techniek kan deze lawaaierige gegevens gebruiken om correct te voorspellen waar de relevante cellulaire structuren kunnen zijn, waardoor een betere identificatie mogelijk is van organellen die betrokken zijn bij de productie van belangrijke chemicaliën of potentiële medicijndoelen bij een ziekte.

Wij zijn van mening dat onze algoritmen een belangrijke eerste stap zijn naar complexere AI-platforms. Dergelijke systemen kunnen aanvullende paradigma's "mens in de lus" gebruiken, door een bioloog in te schakelen om fouten tijdens de trainingsfase te corrigeren, bijvoorbeeld, om de prestaties verder te verbeteren. We zien ook een mogelijkheid om onze methode buiten de biologie toe te passen op andere gebieden waar geannoteerde datasets van hoge kwaliteit schaars kunnen zijn.

Dit verhaal is opnieuw gepubliceerd met dank aan IBM Research. Lees hier het originele verhaal.