Künstliche Intelligenz, maschinelles Lernen und Deep Learning prägen zunehmend unsere moderne Welt und revolutionieren auch die Innovationen in den Biowissenschaften. Unsere Teams und Mitglieder nutzen diese Technologien in einer Vielzahl von Bereichen - wie Textmining, Strukturmodellierung oder Biokuration - um Forschern und Klinikern effiziente und wirkungsvolle Lösungen zu bieten. Entdecken Sie einige Anwendungen, die wir ermöglicht haben, darunter krebsdiagnose, identifizierung neuer therapeutischer Indikationen für ein Molekül, schutz der biologischen Vielfaltoder die Weiterentwicklung unserer offenen Datenbanken und Software-Tools.
Einige wichtige Begriffe erklärt
- Künstliche Intelligenz ahmt die Intelligenz oder die Verhaltensmuster von Menschen oder anderen Lebewesen nach.
- Maschinelles Lernen ist eine Technik, mit der ein Computer aus Daten "lernen" kann, ohne eine komplexe Reihe verschiedener Regeln zu verwenden. Dieser Ansatz basiert hauptsächlich auf dem Training eines Modells aus Datensätzen.
- Deep Learning baut auf mehreren Schichten künstlicher neuronaler Netze auf, die dem Neuronennetz unseres Gehirns nachempfunden sind.
Definitionen aus Wikipedia, geändert von Carlos Peña-Reyes vom SIB.
Schwerpunkt auf biomedizinischen Anwendungen
Kliniker und Biomediziner erkennen zunehmend den Wert von Anwendungen des maschinellen Lernens (ML) in ihrer täglichen Arbeit. Insbesondere in der Präzisionsmedizin wird ML unverzichtbar, sowohl in der Prävention als auch in der Diagnose und Behandlung. Es ermöglicht beispielsweise die Integration einer Vielzahl von Datentypen (z. B. Bilder aus CT-Scans und Texte aus klinischen Berichten), die zur Charakterisierung jedes Patienten verwendet werden, sowie die Identifizierung verborgener Muster in dem daraus resultierenden hochdimensionalen Datensatz. Diese können als Biomarker zur Vorhersage der Anfälligkeit für eine Krankheit oder als Diagnosehilfe verwendet werden. ML wird aber auch eingesetzt, um die funktionelle Seite von Stoffwechselwegen im Zusammenhang mit der Neuausrichtung von Medikamenten zu erforschen.
Schwerpunkt auf Anwendungen zur Erhaltung der biologischen Vielfalt
KI- und ML-Techniken entschlüsseln die komplexen Zusammenhänge der biologischen Vielfalt und tragen so zu einem besseren Verständnis von Ökosystemen und globalen Schutzbemühungen bei. Ihre Fähigkeit, verschiedene ökologische Daten wie Satellitenbilder, Datenbanken oder Klimaaufzeichnungen zusammenzuführen, ermöglicht die Erkennung von Mustern innerhalb von Ökosystemen. Dies ist z. B. für die Optimierung von Schutzstrategien von entscheidender Bedeutung. Lesen Sie mehr über den Einsatz von Reinforcement Learning, einer Art KI-Lösung, in diesem Zusammenhang, um zu ermitteln, welche Arten und Gebiete vorrangig geschützt werden müssen.
