PDF Basket
Tekoälyllä on valtava potentiaali biologian ja lääketieteen tutkimuksessa lääkeaineiden keksimisestä ja kehittämisestä aina yksilöllisten lääkkeiden kehittämiseen. Suuri osa tästä potentiaalista on kuitenkin edelleen hyödyntämättä. Tekoälyn hyödyntämisen esteenä ovat usein tekninen monimutkaisuus ja standardoidun tiedon puute.
AI4LIFE-hanke, jota johtaa Euro-BioImagingin tieteellisen tutkimuksen hankejohtaja Dorothea Dörr, tarttuu suoraan näihin haasteisiin. ”Tekoälymallien käyttöönotto ja käyttö vaatii usein syvällistä ohjelmoinnin, koneoppimismenetelmien ja jopa laskentainfrastruktuurien asiantuntemusta, jota monilla biotieteilijöillä ei ole”, hän kertoo. ”Tämän asiantuntemuksen puutteen vuoksi monet tutkijat eivät pysty täysin hyödyntämään tekoälyn mahdollisuuksia.”
AI4LIFE luo käyttäjäystävällisiä alustoja, jotka tuovat tekoälytyökalut ja tietoaineistot myös niiden saataville, joilla ei ole laskennallisiin tieteisiin liittyvää osaamista. Nämä alustat helpottavat biologisten kuvien, kuten mikroskoopilla tutkittavien kudosnäytteiden, analysointia. Niiden avulla tutkijat voivat käyttää tekoälyä monimutkaisiin tehtäviin, kuten segmentointiin, kohteiden tunnistamiseen ja ominaisuuksien erottamiseen.
Hankkeessa painotetaan FAIR-periaatteita, joiden mukaan tekoälyvalmiiden kuva-aineistojen ja mallien tulee olla löydettäviä (Findable), saavutettavia (Accessible), yhteentoimivia (Interoperable) ja uudelleenkäytettäviä (Reusable). ”Jotta tekoälystä olisi mahdollisimman suuri hyöty biotieteissä, tekoälymallien kouluttamiseen käytettävien tietoaineistojen on oltava paitsi laajoja ja laadukkaita, myös FAIR-periaatteiden mukaisia ja tekoälyvalmiita”, kertovat hankkeen tieteelliset koordinaattorit Anna Kreshuk ja Florian Jug.
Tämä tarkoittaa, että tiedot muotoillaan, puhdistetaan ja merkitään niin, että niitä voidaan helposti käyttää uuden tekoälymallin kouluttamiseen tai tietojen syöttämiseen olemassa olevaan malliin. Tätä tarkoitusta varten AI4LIFE on kehittänyt standardin tekoälyvalmiiden kuva-aineistojen kuvailua varten. Tämän toivotaan kannustavan tutkijoita yhteistyöhön ja aineistojen uudelleenkäyttöön sekä vähentävän yksittäisten tutkijoiden tarvetta käsitellä tietoja uudelleen, mikä madaltaa mallien laatimisesta syntyviä kustannuksia.
Yhteistyötä ja avointa tieteentekemistä
AI4LIFE-konsortio on sitoutunut kehittämään BioImage Model Zoo -nimisen yhteisövetoisen FAIR-yhteensopivien tekoälymallien arkiston biologista kuva-analyysiä varten. ”AI4LIFE-hankkeen tekoälymallit ovat biotieteilijöiden ja tekoälyasiantuntijoiden yhteistyössä kehittämiä”, Kreshuk ja Jug selittävät. ”Näin varmistetaan, että ne ovat laadukkaita ja vastaavat todellisiin biotieteen tutkimuksen tarpeisiin.”
Arkisto tarjoaa tutkijoille pääsyn esikoulutettuihin malleihin, jotka ovat yhteensopivia yleisimpien kuva-analyysiohjelmistojen kanssa, mutta kannustaa heitä myös lisäämään siihen oman panoksensa. Näin syntyy dynaaminen ympäristö, jonka työkaluja voidaan käyttää uudelleen ja mukauttaa eri tutkimusaloille sopiviksi.
Aloitteen avoin ja yhteistyöhön kannustava luonne ilmenee sen innovatiivisissa käyttötapauksissa. Yksi esimerkki on Open Calls -ohjelma, jossa AI4LIFE tarjoaa syväoppimiseen perustuvaa kuva-analyysitukea, joka on suunniteltu vastaamaan erityisiin tutkimustarpeisiin. Tämä ohjelma on jo auttanut automatisoimaan monimutkaisia tehtäviä, jotka muuten vaatisivat paljon työvoimaa. Sen ansiosta tutkijat voivat keskittyä enemmän biologisten tietojen tulkintaan kuin teknisten yksityiskohtien käsittelyyn. ”Syväoppimista hyödyntämällä tutkijat voivat analysoida suuria ja monimutkaisia tietoaineistoja tarkemmin ja tehokkaammin”, Kreshuk ja Jug huomauttavat ja korostavat AI4LIFE-hankkeen mahdollistamia tehokkuusetuja.
Merkittävässä käyttötapauksessa hankkeen puitteissa toteutettu ”Denoising Challenge” käynnisti avoimen kilpailun parhaiden tekoälymenetelmien kehittämiseksi mikroskooppikuvien laadun parantamiseen. Kilpailujen avulla kehittäjät voivat hioa menetelmiään ja tarjota biotieteilijöille selkeän yleiskuvan tehokkaimmista käytettävissä olevista työkaluista. Tämä paitsi edistää innovaatioita, myös parantaa johtavien ratkaisujen näkyvyyttä ja tukee niiden käyttöönottoa tiedeyhteisössä.
Tavoitteena pitkäaikainen vaikutus
Tekoälymallien kehittämisen lisäksi AI4LIFE-hanke panostaa voimakkaasti yhteisön osallistamiseen ja tavoittamiseen ratkaisujensa vaikutuksen maksimoimiseksi. ”Hankkeella pyritään aktiivisesti levittämään tietoa tarjoamalla koulutustilaisuuksia ja luentoja biotieteilijöille”, Dörr kertoo. Tämä auttaa varmistamaan, että kaikissa uravaiheissa olevat biotieteilijät saavat tarvittavat taidot tekoälyn hyödyntämiseen tutkimuksessaan.
Lisäksi AI4LIFE edistää avoimuutta julkaisemalla säännöllisesti tutkimustuloksiaan avoimissa julkaisuissa ja esittelemällä löydöksiään kansainvälisissä konferensseissa. Tämä avoin lähestymistapa tarjoaa muille tutkijoille mahdollisuuden käyttää AI4LIFE-hankkeen malleja omassa tutkimuksessaan, mikä laajentaa hankkeen tavoittavuutta.
Lopuksi, yhteistyö AI4EOSC -hankkeen kanssa tukee eurooppalaisten tutkimusinfrastruktuurien uusia käyttösovelluksia. Tekoälymallien integrointi monialaiseen EOSC (European Open Science Cloud) -ympäristöön tekee niistä helposti saavutettavia ja skaalattavia, ja kumppanuudet teollisen sektorin kanssa varmistavat, että AI4LIFE-hankkeen ratkaisut hyödyttävät akateemisen tutkimuksen lisäksi myös käytännön käyttösovelluksia eri toimialoilla.
Tekemällä tekoälystä helposti saavutettavan, edistämällä yhteistyötä ja noudattamalla avoimen tieteen periaatteita AI4LIFE luo osaltaan perusteita muutoksia aikaansaavalle edistykselle biotieteiden tutkimuksessa kaikkialla Euroopassa. Dörrin mukaan ”FAIR-periaatteiden noudattaminen varmistaa, että muut tutkijat voivat helposti käyttää uudelleen tekoälymalleja ja mukauttaa niitä omiin aineistoihinsa sopiviksi, mikä laajentaa hankkeen vaikutusta.” Näin toimien AI4LIFE edistää uutta aikakautta, jossa tekoälytyökalut eivät ole ainoastaan huippulaatuisia, vaan myös kaikkien saavutettavissa teknisestä asiantuntemuksesta riippumatta.