IBM maakt drie AI-projecten gericht op kankeronderzoek opensource

IBM heeft de broncode vrijgegeven van drie AI-projecten die kennis rondom kanker vergroten. Big Blue hoopt dat inzichten van andere onderzoekers en academici uiteindelijk leiden tot nieuwe behandelingen en therapieën.

De projecten PaccMann, Interaction Network infErence from vectoR representations of words (INtERAc) en Pathway-induced multiple kernel learning (PIMKL) worden later deze maand op conferenties in het Zwitserse Zurich toegelicht door IBM, aldus ZDNet.

AI en ML

Kanker veroorzaakte in 2018 naar schatting wereldwijd zo’n 9,6 miljoen sterfgevallen. Daarnaast kwamen er datzelfde jaar ruim 18 miljoen nieuwe kankergevallen bij. Onderzoekers van de IBM-divisie Computational Systems Biology in Zürich werken al enige tijd aan aan benaderingen op basis van AI en machine learning. Deze moeten het inzicht in de leidende factoren en moleculaire mechanismen van deze complexe ziekten versnellen. Bovendien ligt de focus ook op methoden om de kennis over de samenstelling van tumoren te verbeteren.

Predispositie door genetica, vervuiling, roken en dieet worden allemaal beschouwd als factoren in de kans dat iemand kanker ontwikkelt. Inmiddels kunnen veel vormen worden behandeld, maar valt er nog veel te leren. “Ons doel is om ons begrip van kanker te verdiepen, zodat we industrieën en de academische wereld kunnen uitrusten met kennis die op een dag nieuwe behandelingen en therapieën kan voeden”,  aldus IBM.

PaccMann

Project PaccMann richt zich op de voorspelling van gevoeligheid tegen samengestelde kanker met multimodale op aandacht gebaseerde neurale netwerken. Het ML-algoritme analyseert automatisch chemische verbindingen en voorspelt welke de meest waarschijnlijke zijn om kankerstammen te bestrijden. Iets dat het proces mogelijk zou kunnen stroomlijnen. 

Het algoritme maakt gebruik van gegevens over genexpressie en de moleculaire structuren van chemische verbindingen. IBM zegt dat door het eerder identificeren van potentiële antikankerverbindingen, de kosten voor de ontwikkeling van geneesmiddelen kan worden verlaagd. Het kost momenteel namelijk miljoenen dollars kosten om één medicijn te ontwikkelen om kanker aan te pakken. Het zijn juist dit soort financiële beperkingen die ons potentieel om nieuwe medicijnen en therapieën te ontwikkelen, vertragen of ondermijnen.

INtERAcT

INtERAcT is een tool die zorgt voor automatische extractie van gegevens uit waardevolle wetenschappelijke artikelen. Jaarlijks verschijnen er op het gebied van kankeronderzoek alleen al zo’n 17.000 publicaties. Het is onmogelijk voor onderzoekers om deze allemaal te lezen. Op dit moment wordt INtERAcT getest op het extraheren van gegevens met betrekking tot eiwit-eiwit-interacties. Dat is een onderzoeksgebied dat is gemarkeerd als een mogelijke oorzaak van de verstoring van biologische processen bij ziekten, waaronder kanker.

PIMKL

Het derde project, PIMKL, is een algoritme dat gebruik maakt van datasets. Deze beschrijven wat we momenteel weten als het gaat om moleculaire interacties om zo de progressie van kanker en mogelijke recidieven bij patiënten te voorspellen. Het betreft een zogeheten multiple kernel learning, die moleculaire routes identificeert. Deze zijn cruciaal voor het categoriseren van patiënten, waardoor zorgprofessionals de mogelijkheid krijgen behandelplannen te individualiseren en aan te passen.

Alle drie de projecten zijn nu opensource en beschikbaar gesteld in het publieke domein. PaccMann en INtERAcT zijn beschikbaar via de respectieve websites. PIMKL is geïmplementeerd in de IBM Cloud.

Gerelateerd: Hoe DeepMind een technologische wapenrace in de gezondheidszorg veroorzaakte