L'intelligenza artificiale, l'apprendimento automatico e l'apprendimento profondo stanno plasmando sempre più il nostro mondo moderno e stanno rivoluzionando anche le innovazioni nel campo delle scienze della vita. I nostri team e i nostri membri utilizzano queste tecnologie in una varietà di settori, come il text mining, la modellazione strutturale o la biocurazione, per fornire a ricercatori e medici soluzioni efficienti e di grande impatto. Scoprite alcune delle applicazioni che abbiamo reso possibili, tra cui la la diagnosi del cancro, identificazione di nuove indicazioni terapeutiche per una molecola, protezione della biodiversità, o miglioramento dei nostri database aperti e strumenti software.
Spiegazione di alcuni termini chiave
- L'intelligenza artificiale imita l'intelligenza o i modelli comportamentali degli esseri umani o di qualsiasi altro essere vivente.
- L'apprendimento automatico è una tecnica attraverso la quale un computer può "apprendere" dai dati, senza utilizzare un insieme complesso di regole diverse. Questo approccio si basa principalmente sull'addestramento di un modello a partire da set di dati.
- L'apprendimento profondo si basa su più livelli di reti neurali artificiali, ispirate alla rete di neuroni del nostro cervello.
Definizioni tratte da Wikipedia, modificate da Carlos Peña-Reyes della SIB.
Focus sulle applicazioni biomediche
I medici e gli scienziati biomedici riconoscono sempre più il valore delle applicazioni di machine learning (ML) nel loro lavoro quotidiano. In particolare nella medicina di precisione, il ML sta diventando essenziale nella prevenzione, nella diagnosi e nel trattamento. Esso consente, ad esempio, di integrare un'ampia varietà di tipi di dati (ad esempio immagini provenienti da TAC e testi tratti da referti clinici) utilizzati per caratterizzare ciascun paziente, nonché di identificare modelli nascosti nel set di dati ad alta dimensionalità risultante. Questi possono essere utilizzati come biomarcatori che predicono la suscettibilità a una malattia o come ausilio diagnostico. Ma l'apprendimento automatico viene utilizzato anche per esplorare il lato funzionale dei percorsi metabolici nel contesto del riposizionamento dei farmaci.
Focus sulle applicazioni per la conservazione della biodiversità
Le tecniche di IA e ML svelano la complessità delle sottigliezze della biodiversità, migliorando la nostra comprensione degli ecosistemi e degli sforzi globali di conservazione. La loro capacità di sintetizzare diversi dati ecologici, come immagini satellitari, database o registrazioni climatiche, consente di individuare modelli all'interno degli ecosistemi. Ciò è fondamentale, ad esempio, per ottimizzare le strategie di conservazione. Leggi l'articolo sull'uso dell'apprendimento rinforzato, un tipo di soluzione di IA, in questo contesto per determinare quali specie e aree proteggere in via prioritaria.
