Crowdsourcing Science avec Bayes Expert

Jan 18 2023

Basée sur la méthode scientifique et des décennies d'expérience, la communauté scientifique dispose d'une méthodologie établie et respectée pour découvrir et tester les avancées médicales avant qu'elles ne soient mises à la disposition du public. Ce processus pourrait prendre beaucoup de temps et est vulnérable aux perturbations de la communauté technologique. Cependant, parce que ses méthodologies sont si différentes de la méthodologie établie et respectée, la communauté technologique a eu du mal à perturber l'espace des soins de santé. Bon nombre des meilleurs prédicteurs de l'IA sont non seulement opaques, mais ils ne se concentrent pas non plus sur la détermination de la causalité de la même manière que le font les essais contrôlés randomisés et les statistiques épidémiologiques de la science.

Notre logiciel de génération de modèles de réseaux bayésiens à base de règles, Bayes Expert, quant à lui, fonctionne au niveau des essais contrôlés randomisés et des théories scientifiques qui les sous-tendent, en utilisant une méthodologie qui relie rigoureusement les théories afin qu'elles puissent être externalisées dans un manière dont les études et les données peuvent se soutenir mutuellement.

Nous avons conçu notre modèle de réseau bayésien de longévité avec Bayes Expert. Il s'agit du premier modèle d'IA à être intégré dans le cadre du modèle Rejuve.AI, et fonctionne actuellement dans notre version bêta de l'application Longevity . Le modèle de réseau bayésien de longévité relie certaines variables, telles que les maladies chroniques et les signes de vieillissement, à d'autres variables pour nous aider à mieux les comprendre. Mais, avant d'aller plus loin, il convient de définir le « réseau bayésien ».

Qu'est-ce qu'un réseau bayésien ?

Un réseau bayésien est un modèle probabiliste. Il mesure le risque que quelque chose se produise, par exemple, le risque qu'une « marque de vieillissement » particulière provoque un vieillissement prématuré.

Les réseaux bayésiens sont l'un des outils d'intelligence artificielle les plus populaires utilisés en médecine en raison de leur capacité à modéliser la cause et de leur transparence. Ils sont une sorte de modèle graphique probabiliste, vous pouvez donc les dessiner sous la forme d'un arbre de nœuds et de liens, les nœuds représentant un état (par exemple, le sexe) ou l'occurrence d'un événement (par exemple, une caractéristique du vieillissement provoquant une vieillir ou recevoir un diagnostic de diabète ou d'hypertension). Les liens représenteraient la chance que l'état soit réel ou que l'événement se produise compte tenu des autres qui se sont déjà produits. Par exemple, le risque de devenir diabétique compte tenu des antécédents d'hypertension, ou la possibilité d'un raccourcissement prématuré des télomères, compte tenu des antécédents de diabète.

Présentation de Bayes Expert

Bayes Expert est un logiciel Rejuve.AI de premier plan qui crée des modèles nets bayésiens.

Les modèles de réseau bayésien créés par le logiciel Bayes Expert, y compris notre modèle de réseau bayésien Longevity, fonctionnent comme des services SingularityNET. Bayes Expert nous permettra de crowdsourcer la science de la communauté scientifique. C'est une méthode puissante pour les scientifiques d'utiliser les données dans leurs expériences et les théories de causalité derrière les données pour créer des modèles sans avoir à être un scientifique des données. Nous aurons un formulaire sur notre site Web permettant aux scientifiques d'ajouter leurs données et leurs théories au réseau. Nous avons codé à la main un réseau "seed" pour démarrer le processus - un premier réseau que d'autres scientifiques amélioreront.

Désormais, toutes les probabilités individuelles de notre réseau bayésien de longévité se trouvent dans la littérature médicale, et les réseaux bayésiens ont été utilisés pour exprimer des théories et des statistiques médicales dans le passé. Cependant, sa construction nécessitait souvent la collaboration d'une équipe de scientifiques des données et de scientifiques médicaux. C'est là qu'intervient notre modèle Bayes Expert, car il ouvre cette technique de modélisation à tout scientifique pour créer un modèle à partir de ses données et théories, qui peut ensuite être combiné avec d'autres modèles crowdsourcés. Cela n'est possible que maintenant car il n'y a pas de moyen facile pour les scientifiques de les créer à l'aide du logiciel de science des données open source actuel.

Qu'est-ce qui rend notre réseau bayésien de longévité unique ?

Notre réseau bayésien de longévité n'est qu'un premier réseau de démarrage auquel les scientifiques vont s'ajouter. La première itération de notre réseau de semences contient des règles codées à la main pour 315 nœuds. Parmi ceux-ci, 162 sont les «feuilles» de l'arbre du réseau bayésien qui tirent leurs probabilités de plus de 85 000 contributeurs de données NHANES qui ont effectué des tests sanguins. Nous avons créé les 153 nœuds restants à partir des règles codées manuellement : 63 ont été créés à partir de règles de dépendance et 90 sont des règles logiques utilisant "et", "ou" et "moyenne" pour mapper les données entre les études.

Figure 1. Toutes les variables qui peuvent modifier directement la variable "Hallmark 2 Telomere Attrition" dans le réseau bayésien de départ. Ici, les nœuds foliaires sont « Vitamine D », « Régime sain », « Fréquence du micronoyau », « Tabagisme », « Sexe », « Supplémentation en isoflavones de soja » et « Séance quotidienne pendant la séance ». Leurs scores de risque relatif et leurs intervalles de confiance tirés de la littérature indiquent comment les variables sont liées.

Les relations dans les règles de dépendance proviennent de 62 méta-analyses de revues médicales réputées basées sur 1500 essais contrôlés randomisés de référence sur 12,5 millions de sujets. Leurs a priori proviennent des données NHANES. Nous travaillons sur une deuxième itération validée de notre réseau de semences qui contiendra plus de 200 méta-analyses. Chaque type de règle en python sera saisissable sur l'interface graphique de Bayes Expert sur notre site Web, une pour chaque variable à expliquer.

Nous avons deux types de règles, une pour entrer des données et l'autre pour entrer des théories. Comme exemple de règle de type données, prenons un exemple authentique dans notre réseau de semences. Une variable du réseau représente l'événement que Hallmark 2, Telomere Attrition, provoquera un vieillissement prématuré. La règle que nous avons encodée crée un nœud pour cet événement et s'y connecte, représentant les effets du tabagisme et du sexe sur le nœud Hallmark 2 (Attrition des télomères).

Dans la règle, nous avons saisi les risques relatifs et leurs intervalles de confiance à 95 % à partir de deux méta-analyses et revues systématiques (les résumés scientifiquement fondés des essais cliniques, la principale méthode de la science médicale).

Dans d'autres règles, nous avons saisi ces mêmes statistiques provenant d'autres méta-analyses et revues systématiques sur la façon dont la deuxième caractéristique affecte la fragilité, le cancer, l'apnée obstructive du sommeil et la maladie d'Alzheimer.

Nous pouvons calculer le risque de vieillissement prématuré dû à l'attrition des télomères des nœuds qui contribuent à ces nœuds en utilisant des lois de probabilité. Les niveaux de vitamine D, une alimentation saine, le temps d'assise quotidien, la supplémentation en isoflavones de soja et la fréquence des micronoyaux sont tous des contributeurs potentiels au vieillissement prématuré. Tous ces risques sont tirés de méta-analyses et de revues systématiques.

Comment sait-on combiner tous ces risques ?…. Eh bien, nous le faisons en utilisant les règles de probabilités sur les données des populations auxquelles les risques s'appliquent. Ces populations limitent ce que les combinaisons peuvent être.

Nous utilisons les lois de probabilité dans un algorithme appelé « programmation quadratique » pour nous dire dans quelle mesure les risques calculés s'appliquent à la population. Étant donné que nous n'avons que quelques utilisateurs de l'application, nous commençons par l'ensemble de données NHANES, un ensemble de données du gouvernement américain qui est proportionnel à la population aux États-Unis.

Le score de validation fourni par l'algorithme nous indique quelles études s'intègrent, compte tenu de leurs intervalles de confiance, et lesquelles ne le font pas, guidant l'inclusion des études. Ce même score de validation rassemblera les données des scientifiques pour éliminer ce qui ne rentre pas. Les études qui s'emboîtent "votent pour" les unes pour les autres, comme les "j'aime" que nous voyons dans d'autres médias de crowdsourcing.

Notre autre type de règle est une règle logique, comprenant "et", "ou", "moyenne" et "si-alors-sinon", avec laquelle un scientifique peut exprimer les relations causales derrière les données qui ont motivé ses études cliniques. Ces causes sont essentielles à la découverte de nouveaux traitements et seront collectées et éliminées via les scores de validation des règles de dépendance auxquelles elles se connectent.

Notre réseau de semences comprend les dix caractéristiques, chacune dans son nœud, mais celles autres que la deuxième marque ont des études cliniques limitées. Dans ces cas, nous avons utilisé des nœuds basés sur la logique pour exprimer des études uniques qui montrent qu'il existe une relation de risque.

Pourtant, ceux-ci sont également soumis au score de validation qui indique s'ils s'intègrent car ils se rapportent aux autres nœuds avec des études de risque relatif plus matures. Les combinaisons de risques trouvées par la programmation quadratique seront elles-mêmes soumises à une validation par rapport aux données dans la deuxième interaction de notre réseau de semences, pour être dans l'application de longévité publiée.

Certaines des relations caractéristiques de notre réseau actuel, par exemple, incluent :

Comment les tests sanguins, l'âge et le régime alimentaire affectent l'instabilité génomique et comment l'instabilité génomique affecte la fragilité et le cancer.
Comment les troubles hépatiques, les habitudes de sommeil, les laboratoires de folate et la fragilité affectent les altérations épigénétiques et comment les altérations épigénétiques affectent le cancer.
Comment les maladies cardiovasculaires affectent la perte de protéostase et comment la perte de protéostase affecte les maladies d'Alzheimer et de Parkinson.
Comment la fragilité affecte la détection dérégulée des nutriments.
Comment l'inflammation affecte le dysfonctionnement mitochondrial et comment le dysfonctionnement mitochondrial affecte la sénescence cellulaire.
Comment l'inflammation cancéreuse affecte la sénescence cellulaire et comment la sénescence cellulaire affecte le dysfonctionnement mitochondrial.
Comment la fragilité et l'inflammation affectent l'épuisement des cellules souches.
Et enfin, comment le cancer et l'inflammation affectent la communication intercellulaire altérée.

Bayes Expert fonctionne actuellement dans le backend du marché SingularityNET sur Testnet, pour être publié sur le réseau principal lorsque l'application est en ligne et que le front-end du service est publié. Cela signifie que le service d'IA natif de Rejuve aura une utilisation immédiate dans la vie réelle, non seulement en s'exécutant dans l'application Longevity, mais en étant disponible sur la plate-forme pour que les scientifiques construisent leurs propres modèles statistiques.

Nous travaillons à la création d'une démo intuitive et complète qui montre comment utiliser ce service, qui jouera un rôle clé dans l'utilisation de la plate-forme après le port vers Cardano.

Rejoignez la révolution Rejuve

Rejuve est un réseau de longévité décentralisé alimenté par l'IA qui permet aux membres de gagner des récompenses pour les données et les contributions de modèles à la recherche de pointe conçue pour démêler la durée de vie radicale. Rejuve est là pour utiliser la puissance de l'IA, associée à la communauté mondiale, pour offrir une super-longévité à tous ceux qui le désirent.

Pour contribuer à cette vision pionnière et aider à construire la révolution de la longévité dès maintenant, partagez ce projet avec tous ceux que vous connaissez, rejoignez la liste de diffusion et impliquez-vous dans notre communauté officielle ci-dessous :