Ciência de Crowdsourcing com Bayes Expert

Jan 18 2023

Com base no método científico e em décadas de experiência, a comunidade científica possui uma metodologia estabelecida e respeitada para descobrir e testar avanços médicos antes de serem disponibilizados ao público. Esse processo pode levar muito tempo e é vulnerável a interrupções da comunidade de tecnologia. No entanto, como suas metodologias são tão diferentes da metodologia estabelecida e respeitada, a comunidade tecnológica tem dificuldade em interromper o espaço da saúde. Muitos dos melhores preditores de IA não são apenas opacos, mas também não se concentram em determinar a causa da mesma forma que os Ensaios Controlados Randomizados da ciência e as estatísticas epidemiológicas.

Por outro lado, nosso software para gerar modelos de rede bayesiana baseados em regras, o Bayes Expert, trabalha no nível dos ensaios controlados randomizados e das teorias científicas que os sustentam, usando uma metodologia que conecta rigorosamente as teorias para que possam ser fornecidas coletivamente em um maneira pela qual estudos e dados podem apoiar-se mutuamente.

Criamos nosso modelo de rede Bayesiana Longevity com o Bayes Expert. É o primeiro modelo de IA a ser integrado à estrutura do modelo Rejuve.AI e está atualmente operando em nosso aplicativo beta Longevity . O modelo de rede bayesiana de longevidade conecta certas variáveis, como doenças crônicas e sinais de envelhecimento, a outras variáveis para nos ajudar a entendê-las melhor. Mas, antes de prosseguirmos, devemos definir “rede bayesiana”.

O que é uma Rede Bayesiana?

Uma rede bayesiana é um modelo probabilístico. Ele mede o risco de algo acontecer, por exemplo, o risco de uma determinada “marca do envelhecimento” causar envelhecimento prematuro.

As redes bayesianas são uma das ferramentas de inteligência artificial mais populares usadas na medicina devido à sua capacidade de modelar causas e transparência. Eles são um tipo de modelo gráfico probabilístico, então você pode desenhá-los como uma árvore de nós e links, com os nós representando um estado (por exemplo, sexo) ou a ocorrência de um evento (por exemplo, uma marca registrada de envelhecimento causando prematuridade envelhecimento, ou receber um diagnóstico de diabetes ou hipertensão). Os links representariam a chance do estado ser atual ou do evento ocorrer dados os outros que já ocorreram. Por exemplo, a chance de desenvolver diabetes devido ao histórico de hipertensão, ou a possibilidade de encurtamento prematuro dos telômeros, devido ao histórico de diabetes.

Apresentando Bayes Expert

O Bayes Expert é um software Rejuve.AI de primeira linha que cria modelos de rede bayesiana.

Os modelos de rede bayesiana criados pelo software Bayes Expert, incluindo nosso modelo de rede Bayesiana Longevity, são executados como serviços SingularityNET. O Bayes Expert nos capacitará a fazer crowdsourcing da comunidade científica. É um método poderoso para os cientistas usarem dados em seus experimentos e as teorias de causalidade por trás dos dados para criar modelos sem precisar ser um cientista de dados. Teremos um formulário em nosso site permitindo que os cientistas adicionem seus dados e teorias à rede. Codificamos manualmente uma rede “semente” para iniciar o processo – uma primeira rede que outros cientistas irão melhorar.

Agora, todas as probabilidades individuais em nossa Rede Bayesiana de Longevidade estão na literatura médica, e as redes Bayesianas foram usadas para expressar teorias e estatísticas médicas no passado. No entanto, a construção de um geralmente exigia que uma equipe de cientistas de dados e médicos trabalhassem juntos. É aqui que entra nosso modelo Bayes Expert, pois abre essa técnica de modelagem para qualquer cientista criar um modelo a partir de seus dados e teorias, que podem ser combinados com outros modelos de crowdsourcing. Isso só é possível agora porque não há uma maneira fácil para os cientistas criá-los usando o atual software de ciência de dados de código aberto.

O que torna nossa rede bayesiana de longevidade única?

Nossa rede Longevity Bayesiana é apenas uma primeira rede semente à qual os cientistas irão adicionar. A primeira iteração de nossa rede de sementes contém regras codificadas manualmente para 315 nós. Desses, 162 são as “Folhas” da árvore da rede bayesiana que derivam suas probabilidades de mais de 85.000 contribuintes de dados do NHANES que fizeram exames de sangue. Criamos os 153 nós restantes a partir das regras codificadas à mão: 63 foram criados a partir de regras de dependência e 90 são regras lógicas usando “e”, “ou” e “média” para mapear os dados entre os estudos.

Figura 1. Todas as variáveis que podem alterar diretamente a variável “Hallmark 2 Telomere Attrition” na rede bayesiana semente. Aqui, os nós foliares são “Vitamina D”, “Dieta saudável”, “Frequência de micronúcleos”, “Fumar”, “Gênero”, “Suplementação de isoflavonas de soja” e “Tempo diário sentado”. Suas pontuações de risco relativo e intervalos de confiança da literatura informam como as variáveis estão conectadas.

As relações nas regras de dependência vêm de 62 meta-análises de revistas médicas respeitáveis com base em 1500 Ensaios Controlados Randomizados padrão-ouro em 12,5 milhões de indivíduos. Seus antecedentes vêm dos dados do NHANES. Estamos trabalhando em uma segunda iteração validada de nossa rede de sementes que conterá mais de 200 meta-análises. Cada tipo de regra em python será editável na GUI do Bayes Expert em nosso site, uma para cada variável a ser explicada.

Temos dois tipos de regras, uma para inserir dados e outra para inserir teorias. Como exemplo do tipo de regra de dados, vamos dar um exemplo autêntico em nossa rede de sementes. Uma variável da rede representa o evento que Hallmark 2, Telomere Attrition, causará envelhecimento prematuro. A regra que codificamos cria um nó para esse evento e se conecta a ele, representando os efeitos do fumo e do gênero no nó Hallmark 2 (Atrição dos Telômeros).

Na regra, inserimos os riscos relativos e seus intervalos de confiança de 95% de duas meta-análises e revisões sistemáticas (os resumos de ensaios clínicos com base científica, o principal método da ciência médica).

Em outras regras, inserimos essas mesmas estatísticas de outras meta-análises e revisões sistemáticas sobre como a segunda característica afeta fragilidade, câncer, apneia obstrutiva do sono e doença de Alzheimer.

Podemos calcular o risco de envelhecimento prematuro devido ao desgaste dos telômeros dos nós que contribuem para esses nós usando leis de probabilidade. Níveis de vitamina D, uma dieta saudável, tempo diário sentado, suplementação de isoflavona de soja e frequência de micronúcleos são todos contribuintes potenciais para o envelhecimento prematuro. Todos esses riscos são retirados de meta-análises e revisões sistemáticas.

Como sabemos combinar todos esses riscos?…. Bem, fazemos isso usando as regras de probabilidades nos dados das populações às quais os riscos são aplicados. Essas populações restringem o que as combinações podem ser.

Usamos as leis da probabilidade em um algoritmo chamado “programação quadrática” para nos dizer como os riscos calculados se aplicam à população. Como temos apenas alguns usuários de aplicativos, começamos com o conjunto de dados NHANES, um conjunto de dados do governo dos EUA que é proporcional à população dos EUA.

A pontuação de validação que o algoritmo fornece nos diz quais estudos se encaixam, dados seus intervalos de confiança, e quais não, orientando a inclusão de estudos. Essa mesma pontuação de validação coletará dados de cientistas para selecionar o que não se encaixa. Estudos que se encaixam “votam” uns nos outros, como as “curtidas” que vemos em outras mídias de crowdsourcing.

Nosso outro tipo de regra é uma regra lógica, incluindo “e”, “ou”, “média” e “se-então-senão”, com a qual um cientista pode expressar as relações causais por trás dos dados que motivaram seus estudos clínicos. Essas causas são críticas para descobrir novos tratamentos e serão coletadas e selecionadas por meio das pontuações de validação das regras de dependência às quais elas se conectam.

Nossa rede de sementes inclui todas as dez marcas, cada uma em seu nó, mas aquelas que não sejam a segunda marca têm estudos clínicos limitados. Nesses casos, usamos nós baseados em lógica para expressar estudos únicos que mostram a existência de uma relação de risco.

No entanto, estes também estão sujeitos à pontuação de validação que diz se eles se encaixam porque se relacionam com os outros nós com estudos de risco relativo mais maduros. As próprias combinações de risco encontradas pela programação quadrática estarão sujeitas a validação contra os dados na segunda interação de nossa rede de sementes, a ser lançada no aplicativo de longevidade.

Alguns dos relacionamentos marcantes em nossa rede atual, por exemplo, incluem:

Como os exames de sangue, a idade e a dieta afetam a instabilidade genômica e como a instabilidade genômica afeta a fragilidade e o câncer.
Como distúrbios hepáticos, hábitos de sono, laboratórios de folato e fragilidade afetam alterações epigenéticas e como alterações epigenéticas afetam o câncer.
Como a doença cardiovascular afeta a perda de proteostase e como a perda de proteostase afeta Alzheimer e Parkinson.
Como a fragilidade afeta a detecção desregulada de nutrientes.
Como a inflamação afeta a disfunção mitocondrial e como a disfunção mitocondrial afeta a senescência celular.
Como a inflamação do câncer afeta a senescência celular e como a senescência celular afeta a disfunção mitocondrial.
Como a fragilidade e a inflamação afetam a exaustão das células-tronco.
E, finalmente, como o câncer e a inflamação afetam a comunicação intercelular alterada.

Atualmente, o Bayes Expert está sendo executado no back-end do mercado SingularityNET no Testnet, para ser publicado na rede principal quando o aplicativo estiver ativo e o front-end do serviço for publicado. Isso significa que o serviço de IA nativo do Rejuve terá uso imediato na vida real, não apenas rodando no aplicativo Longevity, mas também disponível na plataforma para que os cientistas construam seus próprios modelos estatísticos.

Estamos trabalhando na criação de uma demonstração intuitiva e abrangente que mostra como usar este serviço, que desempenhará um papel fundamental na condução da utilização da plataforma após a porta para Cardano.

Junte-se à revolução do rejuvenescimento

Rejuve é uma rede descentralizada de longevidade alimentada por IA que permite aos membros ganhar recompensas por contribuições de dados e modelos para pesquisas de ponta projetadas para desvendar o tempo de vida radical. A Rejuve está aqui para usar o poder da IA, juntamente com a comunidade global, para fornecer superlongevidade a todos que a desejam.

Para contribuir com esta visão pioneira e ajudar a construir a revolução da longevidade agora mesmo, compartilhe este projeto com todos que você conhece, junte-se à lista de e-mails e envolva-se em nossa comunidade oficial abaixo: