Künstliche Intelligenz (KI) ist am besten für ihre Fähigkeit bekannt, zu sehen (wie bei fahrerlosen Autos) und zu hören (wie bei Alexa und anderen Haushaltsassistenten). Ab jetzt kann es auch riechen. Meine Kollegen und ich entwickeln ein KI-System, das den menschlichen Atem riechen kann, und lernen, wie wir eine Reihe von krankheitserregenden Substanzen identifizieren, die wir ausatmen könnten.
Der Geruchssinn wird von Tieren und sogar Pflanzen verwendet, um Hunderte verschiedener Substanzen zu identifizieren, die in der Luft schweben. Im Vergleich zu anderen Tieren ist der menschliche Geruchssinn jedoch weitaus weniger entwickelt und wird sicherlich nicht für die Ausübung alltäglicher Aktivitäten verwendet. Aus diesem Grund sind sich die Menschen der Fülle an Informationen, die durch die Luft übertragen werden können, nicht besonders bewusst und können von einem hochsensiblen Riechsystem wahrgenommen werden. AI könnte das ändern.
Seit einigen Jahrzehnten können Labors auf der ganzen Welt mit Maschinen sehr kleine Mengen von Substanzen in der Luft nachweisen. Diese Geräte, Gaschromatographie-Massenspektrometer oder GC-MS genannt, können die Luft analysieren, um Tausende verschiedener Moleküle zu entdecken, die als flüchtige organische Verbindungen bekannt sind.
In der GC-MS-Maschine wird jede Verbindung in einer Luftprobe zuerst abgetrennt und dann in Fragmente zerschlagen, wodurch ein eindeutiger Fingerabdruck entsteht, anhand dessen Verbindungen erkannt werden können. Das Bild unten ist eine Visualisierung eines kleinen Teils der Daten aus einer Analyse einer Atemprobe.
3D-Ansicht eines Teils einer Atemprobe eines GC-MS-Instruments. (James Gathany) Jeder Peak repräsentiert ein Fragment eines Moleküls. Die besonderen Muster solcher Peaks offenbaren das Vorhandensein verschiedener Substanzen. Oft kann auch der kleinste Peak entscheidend sein. Unter den mehreren hundert Verbindungen, die im menschlichen Atem vorhanden sind, können einige bereits in einem frühen Stadium verschiedene Krebsarten aufweisen. Aus diesem Grund experimentieren Labors auf der ganzen Welt mit GC-MS als nicht-invasivem Diagnosewerkzeug, um viele Krankheiten schmerzlos und rechtzeitig zu identifizieren.
Leider kann der Vorgang sehr zeitaufwändig sein. Große Datenmengen müssen von Experten manuell überprüft und analysiert werden. Die Menge der Verbindungen und die Komplexität der Daten bedeuten, dass selbst Experten viel Zeit benötigen, um eine einzelne Probe zu analysieren. Menschen sind auch fehleranfällig, können eine Verbindung übersehen oder eine Verbindung mit einer anderen verwechseln.
Wie künstliche Intelligenz helfen kann
Als Teil des Data Science-Teams der Loughborough University passen meine Kollegen und ich die neueste Technologie der künstlichen Intelligenz an, um eine andere Art von Daten wahrzunehmen und zu lernen: die chemischen Verbindungen in Atemproben. Vom Gehirn inspirierte mathematische Modelle, sogenannte Deep Learning Networks, wurden speziell entwickelt, um die Spuren von Gerüchen zu „lesen“.
Ein Team von Ärzten, Krankenschwestern, Radiologen und Medizinphysikern am Edinburgh Cancer Centre sammelte Atemproben von Teilnehmern, die sich einer Krebsbehandlung unterzogen. Die Proben wurden dann von zwei Teams aus Chemikern und Informatikern analysiert.
Nachdem die Chemiker eine Reihe von Verbindungen manuell identifiziert hatten, erhielten schnelle Computer die Daten, um Deep-Learning-Netzwerke zu trainieren. Die Berechnung wurde durch spezielle Geräte, sogenannte GPUs, beschleunigt, die mehrere verschiedene Informationen gleichzeitig verarbeiten können. Die Deep-Learning-Netzwerke lernten mehr und mehr aus jeder Atemprobe, bis sie bestimmte Muster erkennen konnten, die bestimmte Verbindungen im Atem enthüllten.
Einfache Darstellung des Prozesses: von Verbindungen in der Luft oder Atemproben bis zur Visualisierung der nachgewiesenen Substanzen. (James Gathany) In dieser ersten Studie lag der Schwerpunkt auf der Erkennung einer Gruppe von Chemikalien, die als Aldehyde bezeichnet werden und häufig mit Duftstoffen, aber auch mit menschlichen Stresszuständen und Krankheiten in Verbindung gebracht werden.
Computer, die mit dieser Technologie ausgestattet sind, benötigen nur Minuten, um eine Atemprobe, die zuvor von einem menschlichen Experten stundenlang durchgeführt wurde, autonom zu analysieren. Tatsächlich verbilligt AI den gesamten Prozess - aber vor allem macht es ihn zuverlässiger. Noch interessanter ist, dass diese intelligente Software Wissen erwirbt und sich mit der Zeit verbessert, wenn mehr Proben analysiert werden. Dadurch ist das Verfahren nicht auf eine bestimmte Substanz beschränkt. Mit dieser Technik können Deep-Learning-Systeme trainiert werden, um kleine Mengen flüchtiger Verbindungen mit potenziell umfangreichen Anwendungen in der Medizin, Forensik, Umweltanalytik und anderen Bereichen zu erkennen.
Wenn ein KI-System Krankheitsmarker erkennen kann, kann auch diagnostiziert werden, ob wir krank sind oder nicht. Dies hat ein großes Potenzial, könnte sich aber auch als umstritten erweisen. Wir schlagen lediglich vor, dass AI als Instrument zum Auffinden von Substanzen in der Luft verwendet werden kann. Es muss nicht unbedingt diagnostizieren oder eine Entscheidung treffen. Die endgültigen Schlussfolgerungen und Entscheidungen bleiben uns überlassen.
Dieser Artikel wurde ursprünglich auf The Conversation veröffentlicht.
Andrea Soltoggio, Dozentin, Universität Loughborough
