PDF Basket
Von der Arzneimittelforschung bis hin zur personalisierten Medizin hat die künstliche Intelligenz (KI) ein immenses Potenzial in den Biowissenschaften. Dieses Potenzial bleibt jedoch größtenteils ungenutzt. Die Integration von KI wird häufig durch technische Komplexität und fehlende standardisierte Daten behindert.
Das Team des Projekts AI4LIFE unter der Leitung von Dorothea Dörr, einer wissenschaftlichen Projektmanagerin bei Euro-BioImaging in Finnland, stellt sich diesen Herausforderungen. „Der Einsatz und die Verwendung von KI-Modellen erfordert häufig fortgeschrittene Kenntnisse in der Programmierung, in Methoden des maschinellen Lernens und sogar in der Recheninfrastruktur, über die viele Personen in der Biowissenschaft nicht verfügen“, sagt sie. „Diese Wissenslücke führt dazu, dass viele Forschende die Möglichkeiten der KI nicht voll ausschöpfen können.“
AI4LIFE schafft übersichtliche Plattformen, die KI-Instrumente und Datensätze auch Personen bereitstellen, die keine Kenntnisse in Computerwissenschaften haben. Diese Plattformen werden die Analyse biologischer Bilder, wie z. B. mikroskopische Aufnahmen von Gewebeproben, erleichtern. Mit diesen Systemen können Forschende KI für komplexe Aufgaben wie Segmentierung, Objekterkennung und Merkmalsextraktion einsetzen.
Das Projekt konzentriert sich insbesondere auf die FAIR-Prinzipien (auffindbar, zugänglich, interoperabel und wiederverwendbar) für KI-fähige Bilddatensätze und -modelle. „Damit KI in den Biowissenschaften effektiv eingesetzt werden kann, müssen die Datensätze, die zum Trainieren von KI-Modellen genutzt werden, nicht nur groß und hochwertig, sondern auch FAIR und KI-fähig sein“, erklären Anna Kreshuk und Florian Jug, die das Projekt wissenschaftlich koordinieren.
Das bedeutet, dass die Daten so formatiert, bereinigt und etikettiert sind, dass sie problemlos zum Trainieren eines neuen KI-Modells oder zum Einspeisen eines bestehenden Modells eingesetzt werden können. Dazu hat AI4LIFE einen Standard für die Annotation von KI-fähigen Bilddatensätzen entwickelt. Es besteht die Hoffnung, dass dies die Zusammenarbeit und Wiederverwendung fördert und gleichzeitig die Notwendigkeit der Wiederaufbereitung von Daten durch einzelne Forschende verringert, was wiederum die Rechenkosten senkt.
Zusammenarbeit und offene Wissenschaft
Das AI4LIFE-Konsortium hat die Aufgabe übernommen, eine gemeinschaftlich betriebene Datenbank FAIR-konformer KI-Modelle für die biologische Bildanalyse zu entwickeln, das als BioImage Model Zoo bekannt ist. „Die KI-Modelle von AI4LIFE werden in Zusammenarbeit von Fachleuten für Biowissenschaft und KI erstellt“, erklären Kreshuk und Jug. „Damit wird sichergestellt, dass sie auf dem neuesten Stand der Technik sind und auf die praktischen Bedürfnisse der biowissenschaftlichen Forschung zugeschnitten sind.“
Über die Datenbank bietet sich Forschenden nicht nur der Zugriff auf vortrainierte Modelle, die mit gängigen Softwareinstrumenten für die Bildanalyse eingesetzt werden können, sondern sie werden ebenso ermutigt, ihre eigenen Modelle beizusteuern, wodurch ein dynamisches Ökosystem von Instrumenten entsteht, die in verschiedenen Forschungsbereichen wiederverwendet und angepasst werden können.
Der offene und kollaborative Charakter der Initiative wird auch in den innovativen Anwendungsfällen deutlich. Ein Beispiel ist das Programm „Open Calls“, bei dem AI4LIFE auf Deep-Learning basierende Bildanalyseunterstützung anbietet, um spezifische Forschungsbedürfnisse zu erfüllen. Dieses Programm hat bereits dazu beigetragen, komplexe Aufgaben zu automatisieren, die sonst sehr arbeitsintensiv wären, wodurch sich Forschende mehr auf die Interpretation biologischer Daten als auf die Handhabung technischer Details konzentrieren können. „Durch den Einsatz von Deep Learning können Forschende große und komplexe Datensätze mit höherer Genauigkeit und Effizienz analysieren“, heben Kreshuk und Jug die Effizienzgewinne hervor, die durch AI4LIFE realisiert werden.
Ein bemerkenswerter Fall ist die „Denoising Challenge“, ein offener Wettbewerb zur Entwicklung der besten KI-Methoden zur Steigerung der Qualität von mikroskopischen Bildern. Über Wettbewerbe können Entwickelnde ihre Methoden verfeinern und biowissenschaftlich Forschenden einen klaren Überblick über die wirksamsten verfügbaren Instrumente verschaffen. Dadurch werden nicht nur Innovationen gefördert, sondern es wird auch die Sichtbarkeit der führenden Lösungen vergrößert und ihre Akzeptanz in der gesamten wissenschaftlichen Gemeinschaft gewährleistet.
Langfristig positive Effekte bewirken
Über die Entwicklung von KI-Modellen hinaus engagiert sich das Projektteam von AI4LIFE stark für das Engagement in der Gemeinschaft und die Öffentlichkeitsarbeit, um die Wirkung seiner Lösungen zu maximieren. „Das Projektteam ist aktiv an der Verbreitung der Ergebnisse beteiligt und bietet Schulungen und Präsentationen für biowissenschaftlich Tätige an“, sagt Dörr. So können biowissenschaftliche Forschende auf allen Karrierestufen die notwendigen Kompetenzen erwerben, um KI in ihre Forschung zu integrieren.
Außerdem fördert AI4LIFE Transparenz, indem es seine Forschungsergebnisse regelmäßig in frei zugänglichen Zeitschriften veröffentlicht und seine Ergebnisse auf internationalen Konferenzen präsentiert. Dank diesem offenen Ansatz können andere Forschende auf den AI4LIFE-Modellen aufbauen und die Reichweite des Projekts vergrößern.
Schließlich trägt die Zusammenarbeit des Projektteams mit dem Projektteam von AI4EOSC dazu bei, neue Anwendungen für europäische Infrastrukturen zu unterstützen. Die Integration von KI-Modellen in die Europäische Cloud für offene Wissenschaft macht sie leicht zugänglich und skalierbar, während Industriepartnerschaften sicherstellen, dass die Lösungen von AI4LIFE nicht nur der akademischen Forschung, sondern auch praktischen Anwendungen in verschiedenen Bereichen zugute kommen.
Durch den freien Zugang zu KI über AI4LIFE werden die Zusammenarbeit gefördert und die Grundsätze der offenen Wissenschaft beachtet. Damit schafft es die Voraussetzungen für transformative Fortschritte in der biowissenschaftlichen Forschung in ganz Europa. Dörr kommentiert: „Die Einhaltung der FAIR-Prinzipien stellt sicher, dass die KI-Modelle von anderen Forschenden leicht wiederverwendet und für ihre eigenen Daten angepasst werden können, wodurch der positive Einfluss des Projekts ausgeweitet wird.“ Durch diese Bemühungen treibt AI4LIFE ein neues Zeitalter voran, in dem KI-Instrumente nicht nur auf dem neuesten Stand der Technik sind, sondern auch für alle zugänglich, unabhängig von ihren technischen Kenntnissen.