Crowdsourcing-Wissenschaft mit Bayes-Experte

Jan 18 2023

Basierend auf der wissenschaftlichen Methode und jahrzehntelanger Erfahrung verfügt die wissenschaftliche Gemeinschaft über eine etablierte und angesehene Methodik, um medizinische Fortschritte zu entdecken und zu testen, bevor sie der Öffentlichkeit zugänglich gemacht werden. Dieser Prozess kann lange dauern und ist anfällig für Störungen durch die Tech-Community. Da sich ihre Methoden jedoch stark von den etablierten und angesehenen Methoden unterscheiden, hatte die Tech-Community Schwierigkeiten, den Gesundheitssektor zu revolutionieren. Viele der besten KI-Prädiktoren sind nicht nur undurchsichtig, sie konzentrieren sich auch nicht auf die Bestimmung der Ursache in der gleichen Weise wie die randomisierten kontrollierten Studien und epidemiologischen Statistiken der Wissenschaft.

Unsere Software zur Generierung regelbasierter Bayes'scher Netzwerkmodelle, Bayes Expert, hingegen arbeitet auf der Ebene randomisierter kontrollierter Studien und der ihnen zugrunde liegenden wissenschaftlichen Theorien und verwendet eine Methodik, die Theorien konsequent miteinander verbindet, sodass sie in einem Crowdsourcing-Verfahren gesammelt werden können Art und Weise, wie Studien und Daten sich gegenseitig unterstützen können.

Wir haben unser Longevity Bayes'sches Netzwerkmodell mit Bayes Expert erstellt. Es ist das erste KI-Modell, das in das Rejuve.AI-Modell-Framework integriert wurde und derzeit in der Betaversion unserer Longevity- App läuft . Das Longevity Bayes'sche Netzwerkmodell verbindet bestimmte Variablen, wie etwa chronische Krankheiten und Alterserscheinungen, mit anderen Variablen, um uns zu helfen, sie besser zu verstehen. Aber bevor wir weitermachen, sollten wir „Bayesianisches Netzwerk“ definieren.

Was ist ein Bayesianisches Netzwerk?

Ein Bayesianisches Netzwerk ist ein probabilistisches Modell. Es misst das Risiko, dass etwas passiert, zum Beispiel das Risiko, dass ein bestimmtes „Merkmal des Alterns“ eine vorzeitige Alterung verursacht.

Aufgrund ihrer Fähigkeit zur Modellierung von Ursachen und ihrer Transparenz gehören Bayes'sche Netzwerke zu den beliebtesten Werkzeugen der künstlichen Intelligenz in der Medizin. Sie stellen eine Art probabilistisches grafisches Modell dar, sodass Sie sie als Baum aus Knoten und Verknüpfungen zeichnen können, wobei die Knoten einen Zustand (z. B. das Geschlecht) oder das Eintreten eines Ereignisses (z. B. ein Merkmal des Alterns, das zu vorzeitiger Geburt führt) darstellen Alterung oder die Diagnose Diabetes oder Bluthochdruck). Die Links würden die Wahrscheinlichkeit darstellen, dass der Zustand tatsächlich ist oder dass das Ereignis angesichts der anderen, die bereits eingetreten sind, eintreten würde. Beispielsweise besteht bei Bluthochdruck in der Vorgeschichte das Risiko, an Diabetes zu erkranken, oder bei Diabetes in der Vorgeschichte die Möglichkeit einer vorzeitigen Verkürzung der Telomere.

Wir stellen Bayes Expert vor

Bayes Expert ist eine führende Rejuve.AI-Software, die Bayes'sche Netzmodelle erstellt.

Die von der Bayes Expert-Software erstellten Bayes'schen Netzwerkmodelle, einschließlich unseres Longevity Bayes'schen Netzwerkmodells, werden als SingularityNET-Dienste ausgeführt. Bayes Expert wird uns in die Lage versetzen, Wissenschaft aus der Wissenschaftsgemeinschaft per Crowdsourcing zu beziehen. Es ist eine leistungsstarke Methode für Wissenschaftler, Daten in ihren Experimenten und die Kausalitätstheorien hinter den Daten zu nutzen, um Modelle zu erstellen, ohne dass sie ein Datenwissenschaftler sein müssen. Wir werden auf unserer Website ein Formular haben, das es Wissenschaftlern ermöglicht, ihre Daten und Theorien dem Netzwerk hinzuzufügen. Wir haben ein „Seed“-Netzwerk von Hand codiert, um den Prozess zu starten – ein erstes Netzwerk, das andere Wissenschaftler verbessern werden.

Mittlerweile sind alle individuellen Wahrscheinlichkeiten in unserem Langlebigkeits-Bayes-Netzwerk in der medizinischen Literatur enthalten, und Bayes-Netze wurden in der Vergangenheit zur Darstellung medizinischer Theorien und Statistiken verwendet. Für den Aufbau war jedoch häufig die Zusammenarbeit eines Teams aus Datenwissenschaftlern und Medizinern erforderlich. Hier kommt unser Bayes-Expert-Modell ins Spiel, da es diese Modellierungstechnik jedem Wissenschaftler eröffnet, der aus seinen Daten und Theorien ein Modell erstellen kann, das dann mit anderen Crowdsourcing-Modellen kombiniert werden kann. Dies ist jetzt nur möglich, weil es für Wissenschaftler keine einfache Möglichkeit gibt, sie mit der aktuellen Open-Source-Data-Science-Software zu erstellen.

Was macht unser Langlebigkeits-Bayesian-Netzwerk einzigartig?

Unser Longevity-Bayesian-Netzwerk ist nur ein erstes Seed-Netzwerk, das Wissenschaftler ergänzen werden. Die erste Iteration unseres Seed-Netzwerks enthält handcodierte Regeln für 315 Knoten. Davon sind 162 die „Blätter“ des Bayes’schen Netzwerkbaums, deren Wahrscheinlichkeiten von über 85.000 NHANES-Datenlieferanten abgeleitet werden, die Bluttests durchgeführt haben. Die restlichen 153 Knoten haben wir aus den handcodierten Regeln erstellt: 63 wurden aus Abhängigkeitsregeln erstellt und 90 sind logische Regeln, die „und“, „oder“ und „Durchschnitt“ verwenden, um die Daten studienübergreifend abzubilden.

Abbildung 1. Alle Variablen, die die Variable „Hallmark 2 Telomere Attrition“ im Seed-Bayesian-Netzwerk direkt ändern können. Hier sind die Blattknoten „Vitamin D“, „Gesunde Ernährung“, „Mikronukleushäufigkeit“, „Rauchen“, „Geschlecht“, „Soja-Isoflavone-Supplementierung“ und „Tägliches Sitzen“. Ihre relativen Risikowerte und Konfidenzintervalle aus der Literatur geben Aufschluss darüber, wie die Variablen miteinander verbunden sind.

Die Beziehungen in den Abhängigkeitsregeln stammen aus 62 Metaanalysen renommierter medizinischer Fachzeitschriften, die auf 1500 randomisierten kontrollierten Studien mit Goldstandard an 12,5 Millionen Probanden basieren. Ihre Prioritäten stammen aus den NHANES-Daten. Wir arbeiten an einer zweiten validierten Iteration unseres Seed-Netzwerks, die über 200 Metaanalysen enthalten wird. Jede Art von Regel in Python kann auf der Bayes Expert-GUI auf unserer Website eingegeben werden, eine für jede zu erklärende Variable.

Wir haben zwei Arten von Regeln, eine für die Eingabe von Daten und eine für die Eingabe von Theorien. Als Beispiel für die Art der Datenregel nehmen wir ein authentisches Beispiel in unserem Seed-Netz. Eine Variable des Netzes stellt das Ereignis dar, dass Kennzeichen 2, Telomerabnutzung, zu vorzeitiger Alterung führt. Die von uns codierte Regel erstellt einen Knoten für dieses Ereignis und verknüpft ihn mit diesem, um die Auswirkungen von Rauchen und Geschlecht auf den Knoten Hallmark 2 (Telomer-Abnutzung) darzustellen.

In der Regel haben wir die relativen Risiken und deren 95 %-Konfidenzintervalle aus zwei Metaanalysen und systematischen Übersichten (den wissenschaftlich fundierten Zusammenfassungen klinischer Studien, der primären Methode der medizinischen Wissenschaft) eingegeben.

In anderen Regeln haben wir dieselben Statistiken aus anderen Metaanalysen und systematischen Übersichten darüber eingegeben, wie sich das zweite Kennzeichen auf Gebrechlichkeit, Krebs, obstruktive Schlafapnoe und die Alzheimer-Krankheit auswirkt.

Mithilfe von Wahrscheinlichkeitsgesetzen können wir das Risiko einer vorzeitigen Alterung aufgrund der Telomerabnutzung der Knoten berechnen, die zu diesen Knoten beitragen. Der Vitamin-D-Spiegel, eine gesunde Ernährung, tägliches Sitzen, die Ergänzung mit Soja-Isoflavonen und die Häufigkeit von Mikrokernen können allesamt potenzielle Faktoren für vorzeitiges Altern sein. Alle diese Risiken stammen aus Metaanalysen und systematischen Überprüfungen.

Woher wissen wir, wie wir all diese Risiken kombinieren können?…. Nun, wir tun dies mithilfe der Wahrscheinlichkeitsregeln für die Daten der Populationen, auf die die Risiken angewendet werden. Diese Populationen schränken die möglichen Kombinationen ein.

Wir verwenden die Wahrscheinlichkeitsgesetze in einem Algorithmus namens „Quadratische Programmierung“, um zu sagen, wie gut die berechneten Risiken auf die Bevölkerung zutreffen. Da wir nur wenige App-Nutzer haben, beginnen wir mit dem NHANES-Datensatz, einem Datensatz der US-Regierung, der proportional zur Bevölkerung in den USA ist.

Der Validierungswert, den der Algorithmus liefert, sagt uns, welche Studien aufgrund ihrer Konfidenzintervalle hineinpassen und welche nicht, und leitet so die Einbeziehung von Studien an. Derselbe Validierungs-Score wird Crowdsourcing-Daten von Wissenschaftlern verwenden, um herauszufinden, was nicht hineinpasst. Studien, die zusammenpassen, „stimmen“ füreinander, wie die „Likes“, die wir in anderen Crowdsourcing-Medien sehen.

Unsere andere Art von Regel ist eine logische Regel, einschließlich „und“, „oder“, „Durchschnitt“ und „Wenn-dann-sonst“, mit der ein Wissenschaftler die kausalen Zusammenhänge hinter den Daten ausdrücken kann, die zu seinen klinischen Studien geführt haben. Diese Ursachen sind für die Entdeckung neuer Behandlungsmethoden von entscheidender Bedeutung und werden durch Crowdsourcing und anhand der Validierungswerte der Abhängigkeitsregeln, mit denen sie in Verbindung stehen, ausgesondert.

Unser Saatgutnetzwerk umfasst alle zehn Markenzeichen, jedes in seinem Knoten, aber für die anderen als das zweite Markenzeichen gibt es nur begrenzte klinische Studien. In diesen Fällen haben wir logikbasierte Knoten verwendet, um einzelne Studien auszudrücken, die zeigen, dass eine Risikobeziehung besteht.

Diese unterliegen jedoch auch der Validierungsbewertung, die angibt, ob sie hineinpassen, da sie sich auf die anderen Knoten mit ausgereifteren Studien zum relativen Risiko beziehen. Die durch die quadratische Programmierung gefundenen Risikokombinationen werden selbst einer Validierung anhand der Daten in der zweiten Interaktion unseres Samennetzes unterzogen, um in der veröffentlichten Langlebigkeits-App enthalten zu sein.

Zu den herausragenden Beziehungen in unserem aktuellen Netzwerk gehören beispielsweise:

Wie sich Blutuntersuchungen, Alter und Ernährung auf die genomische Instabilität auswirken und wie sich die genomische Instabilität auf Gebrechlichkeit und Krebs auswirkt.
Wie sich Leberstörungen, Schlafgewohnheiten, Folatspiegel und Gebrechlichkeit auf epigenetische Veränderungen auswirken und wie sich epigenetische Veränderungen auf Krebs auswirken.
Wie sich Herz-Kreislauf-Erkrankungen auf den Verlust der Proteostase auswirken und wie sich der Verlust der Proteostase auf Alzheimer und Parkinson auswirkt.
Wie sich Gebrechlichkeit auf die deregulierte Nährstoffwahrnehmung auswirkt.
Wie sich eine Entzündung auf die mitochondriale Dysfunktion auswirkt und wie sich eine mitochondriale Dysfunktion auf die Zellalterung auswirkt.
Wie sich eine Krebsentzündung auf die Zellalterung auswirkt und wie sich die Zellalterung auf die mitochondriale Dysfunktion auswirkt.
Wie sich Gebrechlichkeit und Entzündung auf die Erschöpfung der Stammzellen auswirken.
Und schließlich, wie sich Krebs und Entzündungen auf die veränderte interzelluläre Kommunikation auswirken.

Bayes Expert läuft derzeit im Backend des SingularityNET-Marktplatzes auf Testnet und wird im Mainnet veröffentlicht, wenn die App live ist und das Frontend des Dienstes veröffentlicht wird. Das bedeutet, dass der native KI-Dienst von Rejuve sofort im realen Leben genutzt werden kann und nicht nur in der Longevity-App ausgeführt wird, sondern auch auf der Plattform für Wissenschaftler verfügbar ist, um ihre eigenen statistischen Modelle zu erstellen.

Wir arbeiten an der Erstellung einer intuitiven, umfassenden Demo, die die Nutzung dieses Dienstes zeigt, der eine Schlüsselrolle dabei spielen wird, die Nutzung der Plattform nach der Portierung nach Cardano voranzutreiben.

Treten Sie der Rejuve-Revolution bei

Rejuve ist ein dezentrales, KI-gestütztes Langlebigkeitsnetzwerk, das es Mitgliedern ermöglicht, Belohnungen für Daten und Modellbeiträge zu Spitzenforschung zu verdienen, die darauf abzielt, radikale Lebensspannen aufzuklären. Rejuve ist hier, um die Kraft der KI in Verbindung mit der globalen Gemeinschaft zu nutzen, um allen, die es wünschen, eine besonders lange Lebensdauer zu bieten.

Um zu dieser bahnbrechenden Vision beizutragen und die Langlebigkeitsrevolution jetzt mitzugestalten, teilen Sie dieses Projekt mit allen, die Sie kennen, tragen Sie sich in die Mailingliste ein und engagieren Sie sich unten in unserer offiziellen Community: