Crowdsourcing Science con Bayes Expert

Jan 18 2023

Basado en el método científico y décadas de experiencia, la comunidad científica tiene una metodología establecida y muy respetada para descubrir y probar los avances médicos antes de que estén disponibles para el público. Ese proceso podría llevar mucho tiempo y es vulnerable a la interrupción de la comunidad tecnológica. Sin embargo, debido a que sus metodologías son tan diferentes de la metodología establecida y respetada, la comunidad tecnológica ha tenido dificultades para interrumpir el espacio de atención médica. Muchos de los mejores predictores de IA no solo son opacos, sino que tampoco se enfocan en determinar la causalidad de la misma manera que lo hacen los ensayos controlados aleatorios de la ciencia y las estadísticas epidemiológicas.

Nuestro software para generar modelos de red bayesianos basados en reglas, Bayes Expert, por su parte, trabaja a nivel de Ensayos Controlados Aleatorios y de las teorías científicas que los sustentan, utilizando una metodología que conecta teorías de forma rigurosa para que puedan ser colaborativas en un manera en que los estudios y los datos pueden prestarse apoyo mutuo.

Creamos nuestro modelo de red Longevity Bayesian con Bayes Expert. Es el primer modelo de IA que se integra en el marco del modelo Rejuve.AI y actualmente está funcionando en nuestra versión beta de la aplicación Longevity . El modelo de red bayesiano de longevidad conecta ciertas variables, como enfermedades crónicas y signos de envejecimiento, con otras variables para ayudarnos a comprenderlas mejor. Pero, antes de continuar, debemos definir "red bayesiana".

¿Qué es una red bayesiana?

Una red bayesiana es un modelo probabilístico. Mide el riesgo de que suceda algo, por ejemplo, el riesgo de que un "sello distintivo del envejecimiento" en particular provoque un envejecimiento prematuro.

Las redes bayesianas son una de las herramientas de inteligencia artificial más populares utilizadas en medicina debido a su capacidad para modelar causas y su transparencia. Son una especie de modelo gráfico probabilístico, por lo que puede dibujarlos como un árbol de nodos y enlaces, donde los nodos representan un estado (por ejemplo, género) o la ocurrencia de un evento (por ejemplo, un sello distintivo del envejecimiento que causa prematuridad). envejecimiento, o recibir un diagnóstico de diabetes o hipertensión). Los enlaces representarían la posibilidad de que el estado sea actual o que el evento ocurra dados los otros que ya han ocurrido. Por ejemplo, la posibilidad de contraer diabetes dado el historial de hipertensión, o la posibilidad de acortamiento prematuro de los telómeros, dado el historial de diabetes.

Introducción a Bayes Expert

Bayes Expert es un software Rejuve.AI de primer nivel que crea modelos de red bayesianos.

Los modelos de red Bayesiana creados por el software Bayes Expert, incluido nuestro modelo de red Longevity Bayesian, se ejecutan como servicios SingularityNET. Bayes Expert nos dará el poder de hacer crowdsourcing de la ciencia de la comunidad científica. Es un método poderoso para que los científicos usen datos en sus experimentos y las teorías de causalidad detrás de los datos para crear modelos sin tener que ser un científico de datos. Tendremos un formulario en nuestro sitio web que permitirá a los científicos agregar sus datos y teorías a la red. Hemos codificado a mano una red "semilla" para iniciar el proceso, una primera red que otros científicos mejorarán.

Ahora, todas las probabilidades individuales en nuestra red bayesiana de longevidad están en la literatura médica, y las redes bayesianas se han utilizado para expresar teorías y estadísticas médicas en el pasado. Sin embargo, construir uno a menudo requería que un equipo de científicos de datos y científicos médicos trabajaran juntos. Aquí es donde entra en juego nuestro modelo Bayes Expert, ya que abre esta técnica de modelado a cualquier científico para crear un modelo a partir de sus datos y teorías, que luego se puede combinar con otros modelos colaborativos. Esto solo es posible ahora porque no hay una manera fácil para que los científicos los creen utilizando el software de ciencia de datos de código abierto actual.

¿Qué hace que nuestra red bayesiana de longevidad sea única?

Nuestra red Longevity Bayesian es solo una primera red semilla a la que los científicos se sumarán. La primera iteración de nuestra red semilla contiene reglas codificadas a mano para 315 nodos. De ellos, 162 son las "hojas" del árbol de la red bayesiana que derivan sus probabilidades de más de 85 000 contribuyentes de datos de NHANES que se hicieron análisis de sangre. Creamos los 153 nodos restantes a partir de reglas codificadas a mano: 63 se crearon a partir de reglas de dependencia y 90 son reglas lógicas que usan "y", "o" y "promedio" para mapear los datos entre estudios.

Figura 1. Todas las variables que pueden cambiar directamente la variable “Hallmark 2 Telomere Attrition” en la red bayesiana semilla. Aquí los nodos de hoja son "Vitamina D", "Dieta saludable", "Frecuencia de micronúcleos", "Tabaquismo", "Género", "Suplementación con isoflavonas de soja" y "Tiempo diario sentado". Sus puntajes de riesgo relativo e intervalos de confianza de la literatura indican cómo se conectan las variables.

Las relaciones en las reglas de dependencia provienen de 62 metanálisis de revistas médicas acreditadas basadas en 1500 ensayos controlados aleatorios de referencia en 12,5 millones de sujetos. Sus antecedentes provienen de los datos de NHANES. Estamos trabajando en una segunda iteración validada de nuestra red semilla que contendrá más de 200 metaanálisis. Cada tipo de regla en python se podrá ingresar en la GUI de Bayes Expert en nuestro sitio web, una para cada variable que se explicará.

Tenemos dos tipos de reglas, una para ingresar datos y otra para ingresar teorías. Como ejemplo del tipo de regla de datos, tomemos un ejemplo auténtico en nuestra red de semillas. Una variable de la red representa el evento de que Hallmark 2, Atrición de telómeros, cause envejecimiento prematuro. La regla que codificamos crea un nodo para ese evento y lo vincula, lo que representa los efectos del tabaquismo y el género en el nodo Hallmark 2 (Desgaste de telómeros).

En la regla, ingresamos los riesgos relativos y sus intervalos de confianza del 95% de dos metanálisis y revisiones sistemáticas (los resúmenes con base científica de los ensayos clínicos, el método principal de la ciencia médica).

En otras reglas, hemos ingresado esas mismas estadísticas de otros metanálisis y revisiones sistemáticas sobre cómo el segundo sello afecta la fragilidad, el cáncer, la apnea obstructiva del sueño y la enfermedad de Alzheimer.

Podemos calcular el riesgo de envejecimiento prematuro debido al desgaste de los telómeros de los nodos que contribuyen a esos nodos usando leyes de probabilidad. Los niveles de vitamina D, una dieta saludable, el tiempo que pasan sentados todos los días, la suplementación con isoflavonas de soya y la frecuencia de micronúcleos son factores que contribuyen potencialmente al envejecimiento prematuro. Todos estos riesgos se toman de metanálisis y revisiones sistemáticas.

¿Cómo sabemos combinar todos esos riesgos?…. Bueno, lo hacemos usando las reglas de probabilidades sobre los datos de las poblaciones a las que se aplican los riesgos. Esas poblaciones restringen cuáles pueden ser las combinaciones.

Usamos las leyes de probabilidad en un algoritmo llamado "programación cuadrática" para decirnos qué tan bien se aplican los riesgos calculados a la población. Debido a que solo tenemos unos pocos usuarios de la aplicación, comenzamos con el conjunto de datos de NHANES, un conjunto de datos del gobierno de EE. UU. que es proporcional a la población de EE. UU.

La puntuación de validación que proporciona el algoritmo nos dice qué estudios encajan, dados sus intervalos de confianza, y cuáles no, guiando la inclusión de estudios. Este mismo puntaje de validación obtendrá datos de los científicos para seleccionar lo que no encaja. Los estudios que encajan "votan" entre sí, como los "me gusta" que vemos en otros medios de colaboración abierta.

Nuestro otro tipo de regla es una regla lógica, que incluye "y", "o", "promedio" y "si-entonces-si no", con la que un científico puede expresar las relaciones causales detrás de los datos que impulsaron sus estudios clínicos. Estas causas son fundamentales para descubrir nuevos tratamientos y se obtendrán de forma colectiva y se seleccionarán a través de las puntuaciones de validación de las reglas de dependencia a las que se conectan.

Nuestra red de semillas incluye los diez sellos, cada uno en su nodo, pero los que no sean el segundo sello tienen estudios clínicos limitados. En estos casos, hemos utilizado nodos basados en lógica para expresar estudios individuales que muestran que existe una relación de riesgo.

Sin embargo, estos también están sujetos a la puntuación de validación que indica si encajan porque se relacionan con los otros nodos con estudios de riesgo relativo más maduros. Las combinaciones de riesgo encontradas por la programación cuadrática estarán sujetas a validación contra los datos en la segunda interacción de nuestra red de semillas, para estar en la aplicación de longevidad lanzada.

Algunas de las relaciones distintivas en nuestra red actual, por ejemplo, incluyen:

Cómo los análisis de sangre, la edad y la dieta afectan la inestabilidad genómica y cómo la inestabilidad genómica afecta la fragilidad y el cáncer.
Cómo los trastornos hepáticos, los hábitos de sueño, los laboratorios de folato y la fragilidad afectan las alteraciones epigenéticas y cómo las alteraciones epigenéticas afectan el cáncer.
Cómo la enfermedad cardiovascular afecta la pérdida de proteostasis y cómo la pérdida de proteostasis afecta el Alzheimer y el Parkinson.
Cómo afecta la fragilidad a la detección desregulada de nutrientes.
Cómo la inflamación afecta la disfunción mitocondrial y cómo la disfunción mitocondrial afecta la senescencia celular.
Cómo la inflamación del cáncer afecta la senescencia celular y cómo la senescencia celular afecta la disfunción mitocondrial.
Cómo la fragilidad y la inflamación afectan el agotamiento de las células madre.
Y finalmente, cómo el cáncer y la inflamación afectan la comunicación intercelular alterada.

Bayes Expert se ejecuta actualmente en el backend del mercado de SingularityNET en Testnet, para publicarse en la red principal cuando la aplicación esté activa y se publique el front-end del servicio. Esto significa que el servicio de IA nativo de Rejuve tendrá un uso inmediato en la vida real, no solo ejecutándose en la aplicación Longevity, sino que estará disponible en la plataforma para que los científicos construyan sus propios modelos estadísticos.

Estamos trabajando en la creación de una demostración intuitiva y completa que muestre cómo usar este servicio, que desempeñará un papel clave para impulsar la utilización de la plataforma después del puerto a Cardano.

Únete a la revolución rejuvenecedora

Rejuve es una red de longevidad descentralizada impulsada por IA que permite a los miembros obtener recompensas por datos y contribuciones de modelos a investigaciones de vanguardia diseñadas para desentrañar una vida útil radical. Rejuve está aquí para usar el poder de la IA, junto con la comunidad global, para brindar una súper longevidad a todos los que la deseen.

Para contribuir a esta visión pionera y ayudar a construir la revolución de la longevidad en este momento, comparta este proyecto con todos sus conocidos, únase a la lista de correo e involúcrese en nuestra comunidad oficial a continuación: