KÜNSTLICHE INTELLIGENZ IM BIOLOGIEBEREICH

Künstliche Intelligenz (KI) stellt kein in sich geschlossenes Forschungs- und Anwendungsgebiet dar. Vielmehr werden Techniken aus verschiedenen Disziplinen eingesetzt und miteinander verbunden. Ein sehr wichtiges Gebiet, dass traditionell mit der KI eng verwoben ist, ist die Biologie. Sie beschäftigt sich mit dem Bauplan, den physikalischen und biochemischen Vorgängen im Innern von Lebewesen und damit auch der Frage, wie funktioniert eigentlich unser Gehirn?

29.03.2021 I Von Joshua Joost I Ehemaliger Werkstudent im IT Lab

Themen: Zukunftstrends

BIOLGIE UND KÜNSTLICHE INTELLIGENZ

Wie hängt das zusammen?

Inspiriert vom Aufbau des menschlichen Gehirns konnten durch Erkenntnisse auf dem Gebiet künstliche neuronale Netze entwickelt werden, die sich selbstständig optimieren und weiterentwickeln können. Dabei profitiert nicht nur die KI von neuen Erkenntnissen der Biologie, sondern auch gleichermaßen die Biologie von der Weiterentwicklung der KI. Lange Zeit wurden die Verbindungen von Nervenzellen des menschlichen Gehirns mithilfe elektronenmikroskopischer Aufnahmen verfolgt, das eine mühsame und langwierige Aufgabe war und immer noch ist. Solche Algorithmen könnten in Zukunft bei der Erforschung von Krankheiten wie z. B. Krebs und Demenz entscheidende Beiträge leisten.

Mittlerweile ist die KI soweit nahezu fehlerfrei die Nervenzellen, Bestandteile und Verbindungen automatisch herauszuarbeiten. Auch die DNA, die im Allgemeinen als "Bauplan des Lebens" bezeichnet wird, kann mit Hilfe fortschrittlicher KI weiter entschlüsselt werden. Vielleicht habt Ihr mittlerweile etwas von Deep Mind's KI-Programm "Alpha Fold" gehört? Es kann mit einer erstaunlichen Zuverlässigkeit die Faltung von Aminosäureketten vorhersagen und hat das Potenzial die Biowissenschaften zu revolutionieren. Solche Algorithmen könnten in Zukunft bei der Erforschung von Krankheiten (darunter auch Krebs und Demenz) entscheidende Beiträge leisten.

NEUES AUS DER VERSICHERUNGSWELT

Vorbeugen ist besser als Heilen. Dementsprechend ist es wichtig Krankheiten frühzeitig und präzise vorhersagen zu können. Das gilt nicht nur für uns Menschen, sondern auch für unsere liebsten Gefährten, dem Hund und dem Pferd.

Erste Unternehmen sind mit digitalen Lösungen auf dem Markt angekommen, die ein frühzeitiges Erkennen von Hauterkrankungen sowie präventive Maßnahmen und Rehabilitation der Tiere anbieten.

AKTUELLE TRENDS AUS DER FORSCHUNG

Allein die Studien, die 2019 veröffentlicht wurden, machen 25 % des seit 2000 geschaffenen Outputs aus. Auch im Jahr 2020 wurde weiterhin viel beigetragen. Es hat sich gezeigt, dass hier ein enormes Potenzial steckt.

POTENZIALE DER BIOLOGIE

Deep Learning wird beispielsweise eingesetzt, um langsam fortschreitende Augenkrankheiten vorherzusagen, indem Augen in 3D eingescannt und mit sogenannten Segmentierungskarten verglichen werden. So können Merkmale pixelweise zugeordnet und die Prävention verbessert werden.

Maschinelles Lernen (ML) verwendet heute hauptsächlich statistische Methoden zur Analyse von Korrelationen zwischen Variablen. ML-Modelle können jedoch weiter optimiert werden, wenn sie den menschlichen Ansatz verstehen – also über kausale Zusammenhänge (Ursache und Wirkung) nachdenken. Ein solcher Ansatz wird aktuell in der Biologie als kontrafaktischer Diagnosealgorithmus erforscht. Dieser Algorithmus analysiert nicht nur Symptome des Patienten, sondern verändert die Inputdaten, um zu beobachten, wie sich das Ergebnis verändert. Gerade in der medizinischen Diagnose zeigt sich damit eine deutliche Verbesserung im Ergebnis.

Die Grafik veranschaulicht den Mehrwert. Oben ist der standardmäßige, assoziative Algorithmus, der in seinen Diagnosen ungefähr genauso gut abschneidet wie Ärzte, abgebildet. Die blauen Punkte bedeuten, dass die Diagnose des Algorithmus besser als die des Arztes ist – die grünen, dass die Diagnose des Arztes besser ist. Im darunterliegenden Diagramm zeigt sich, dass der kontrafaktische Algorithmus deutlich bessere Ergebnisse liefert als der assoziative Algorithmus.

KI IN DER ARZNEIMITTELENTWICKLUNG

"Reinforcement Learning" unterstützt heute schon Chemiker:innen in der Arzneimittelentwicklung. Die Algorithmen helfen dabei festzustellen, ob entdeckte Moleküle tatsächlich im Labor synthetisiert werden können.

Bemerkenswert ist, dass es mittlerweile sogar ein ML-Modell gibt, dass den chemischen Syntheseplan vollständig autonom erstellen kann und so die Arbeitsabläufe in der Arzneimittelentwicklung beschleunigt. Das Modell wurde auf Millionen von Reaktionen trainiert, die in US-Studien gemeldet wurden. Erste Tests zeigen, dass das Modell 10 % genauer ist als die besten Chemiker:innen.

Typischerweise lernen Deep-Learning-Verfahren aus 2D-Eingabedaten. In der Chemie und Biologie, gerade wenn es um chemische Eigenschaften und die Verbindung von Atomen geht, wird derzeit vermehrt auf Graphische Neuronale Netze (GNNs) gesetzt, die auf die Verarbeitung von 3D-Daten ausgelegt sind. Tatsächlich gibt es schon einen praktischen Nutzen daraus. So hat ein GNN Modell, das auf empirischen Daten von Molekülen und Antibiotikatoxizität trainiert wurde, in virtuellen Untersuchungen ein strukturell anderes Antibiotikum, Halicin genannt, gefunden. Fun Fact! Halicin wurde nach HAL, dem fiktiven Computer aus "Odyssee im Weltraum", benannt.

Das Besondere ist, dass das Antibiotikum allein von einer KI entdeckt worden und die Wirksamkeit so ungewöhnlich und effizient ist, dass es in Tests an Labormäusen sogar gegen multiresistente Bakterien gewirkt hat. Aktuell ist es noch nicht zugelassen, aber präklinische Studien sind geplant. Es hat sich gezeigt, dass Graphische Neuronale Netze spürbar weniger Fehler in der Vorhersage chemischer Eigenschaften machen, was sie in der Skalierung von Molekularstrukturen in der Arzneimittelentdeckung ein echter Mehrwert sein lässt.

KI BEI COVID-19 TESTS

Weltweit wurden Millionen von Daten gesammelt und analysiert, um COVID-19-Symptome zu erkennen. Mit KI ist es nun möglich, COVID-19 ohne physischen Test vorherzusagen. Derzeit führt das Unternehmen ZOE Global LTD klinische Studien zur Validierung des Vorhersagemodells durch. Die Auswertung zeigt, dass das mit Abstand deutlichste Symptom einer COVID-19 Erkrankung der Geruchsverlust ist. In der Grafik ist das Ergebnis der Analyse von Daten aus Großbritannien und den USA zu sehen.

Spannend, was KI heute schon alles möglich macht, nicht wahr? Wir freuen uns, wenn Ihr nächsten Monat wieder vorbeischaut - wir versprechen einen echten Hingucker.

Fragen zu unseren Beiträgen?

Wir freuen uns über deine Kontaktaufnahme!

E-Mail schreiben

Neugierig geworden?

Entdecke deine Jobmöglichkeiten bei der SV Informatik.

Zu den Karrieremöglichkeiten

Dieser Beitrag hat dir gefallen?

Dann stöbere gerne durch unseren weiteren Blogartikel.

Zu der Themenübersicht