AI kommer att kunna analysera föreningar i ditt andetag. Kredit:James Gathany
Artificiell intelligens (AI) är mest känd för sin förmåga att se (som i förarlösa bilar) och lyssna (som i Alexa och andra hemassistenter). Från och med nu, det kan också lukta. Mina kollegor och jag utvecklar ett AI-system som kan lukta mänskliga andetag och lära oss att identifiera en rad sjukdomsavslöjande ämnen som vi kan andas ut.
Luktsinnet används av djur och även växter för att identifiera hundratals olika ämnen som svävar i luften. Men jämfört med andra djur, det mänskliga luktsinnet är mycket mindre utvecklat och används absolut inte för att utföra dagliga aktiviteter. Av denna anledning, människor är inte särskilt medvetna om rikedomen av information som kan överföras genom luften, och kan uppfattas av ett mycket känsligt luktsystem. AI kan vara på väg att ändra på det.
Under några decennier, laboratorier runt om i världen har kunnat använda maskiner för att upptäcka mycket små mängder ämnen i luften. De där maskinerna, kallas gaskromatografimasspektrometrar eller GC-MS, kan analysera luften för att upptäcka tusentals olika molekyler som kallas flyktiga organiska föreningar.
I GC-MS-maskinen, varje förening i ett luftprov separeras först och krossas sedan i fragment, skapa ett distinkt fingeravtryck från vilket föreningar kan kännas igen. Bilden nedan är en visualisering av en liten del av data från en analys av ett utandningsprov.
3D-vy av en del av ett utandningsprovdata från ett GC-MS-instrument.
Varje topp representerar ett fragment av en molekyl. De speciella mönstren för sådana toppar avslöjar närvaron av distinkta ämnen. Ofta kan även den minsta toppen vara avgörande. Bland de flera hundra föreningar som finns i människans andetag, några av dem kan avslöja förekomsten av olika cancerformer, även i tidiga skeden. Laboratorier runt om i världen experimenterar därför med GC-MS som ett icke-invasivt diagnostiskt verktyg för att identifiera många sjukdomar, smärtfritt och i tid.
Tyvärr, processen kan vara mycket tidskrävande. Stora mängder data behöver inspekteras manuellt och analyseras av experter. Den stora mängden föreningar och komplexiteten i data gör att även experter tar lång tid att analysera ett enda prov. Människor är också benägna att misstag, kan missa en förening eller missta en förening för en annan.
Hur artificiell intelligens kan hjälpa
Som en del av Loughborough Universitys datavetenskapsteam, mina kollegor och jag anpassar den senaste tekniken för artificiell intelligens för att uppfatta och lära mig en annan typ av data:de kemiska föreningarna i utandningsprover. Matematiska modeller inspirerade av hjärnan, kallade nätverk för djupinlärning, var speciellt konstruerade för att "läsa" spåren efter lukter.
Enkel representation av processen:från föreningar i luften eller utandningsprover till visualisering av de upptäckta substanserna.
Ett team av läkare, sjuksköterskor, radiografer och medicinska fysiker vid Edinburgh Cancer Center samlade in andningsprover från deltagare som genomgick cancerbehandling. Proverna analyserades sedan av två team av kemister och datavetare.
När ett antal föreningar identifierades manuellt av kemister, snabba datorer fick data för att träna djupinlärningsnätverk. Beräkningen accelererades av speciella enheter, kallas GPU, som kan behandla flera olika delar av information samtidigt. Nätverken för djupinlärning lärde sig mer och mer från varje utandningsprov tills de kunde känna igen specifika mönster som avslöjade specifika föreningar i andningen.
I denna första studie, fokus låg på att känna igen en grupp kemikalier, kallade aldehyder, som ofta förknippas med dofter men också mänskliga stresstillstånd och sjukdomar.
Datorer utrustade med denna teknik tar bara minuter att autonomt analysera ett utandningsprov som tidigare tog timmar av en mänsklig expert. Effektivt, AI gör hela processen billigare – men framför allt gör den den mer pålitlig. Ännu mer intressant, den här intelligenta programvaran skaffar sig kunskap och förbättras med tiden när den analyserar fler prover. Som ett resultat, metoden är inte begränsad till något särskilt ämne. Genom att använda denna teknik, system för djupinlärning kan tränas för att detektera små mängder flyktiga föreningar med potentiellt breda tillämpningar inom medicin, kriminalteknik, miljöanalys och andra.
Om ett AI-system kan upptäcka sjukdomsmarkörer, då blir det möjligt att också diagnostisera om vi är sjuka eller inte. Detta har en stor potential, men det kan också visa sig vara kontroversiellt. Vi föreslår helt enkelt att AI skulle kunna användas som ett verktyg för att upptäcka ämnen i luften. Det behöver inte nödvändigtvis diagnostisera eller fatta ett beslut. De slutliga slutsatserna och besluten överlåts till oss.
Denna artikel publicerades ursprungligen på The Conversation. Läs originalartikeln.