使用统计方法来预测疾病的进程

数据包含的不仅仅是表面上的信息。通过统计数据,更深层次的因果关系可以带来光明。这就是亚历山大马克思研究作为一个研究员乙使用人工智能AI中心。他的目标之一是能够预测关于糖尿病的儿童。

在糖尿病患者中,一般不会发生低血糖随机,就像股票市场价格不会崩溃。这意味着两个也是可预测的,至少理论上。然而在实践中,迄今为止,这样的预测成功只有在非常罕见的情况。但如果亚历山大马克思的项目是成功的,这对患1型糖尿病的儿童将会改变。“我们正在努力预测模型能够检测在早期如果有夜间低血糖的风险,”ETH AI中心研究员解释道,并补充说:“当孩子白天从事剧烈体育活动,他们的血糖水平低于临界阈值时睡觉。可靠的预测模型,可以避免这种风险。”

把因果网络

马克思正在探索这一假说的朱莉娅·沃格特科学组的医疗数据。“我来自更多的理论背景和主要工作人工生成的数据。人工智能中心的目的是将理论和实践,我觉得兴奋。我现在必须让我的理论概念与真正的数据。”

马克思获得他在萨尔州大学的学历在萨尔布吕肯,德国。完成生物信息学硕士学位后,他继续写他的的博士论文马克斯普朗克研究所的信息。他的论文检查发现——因果统计方法可以用来从观测数据创建因果图,使因果网络可见。

推导预测从相关性

应用这些方法的一个方法是使用调查数据来识别所有因素都涉嫌对一个特定的变量产生影响。一般的例子是如何一个人的收入取决于他们的年龄、居住地,性别、教育、婚姻状况或数量的孩子。基于相关性的发现,预测可以为那些没有被调查。马克思澄清,为此,甚至没有必要定义整个依赖链;这足以引起最小的一组因素要求作出预测。

从合成数据到临床现实

的帮助下人工智能基于模拟数据,马克思用这些方法来研究如何约500的活动选择的相关基因在人类细胞。理想情况下,这些方法可以在未来扩大包括所有细胞的25000左右的基因。这样的计算机分析的基因网络轻松快速地提供生物和bob88体育平台登录全面认识的过程发生在一个细胞。通过实验实现这将需要巨大的努力,科学家们将不得不关闭每个基因单独使用基因工程工具,然后测量一下这会影响其他基因的活性。

项目的马克思解决人工智能中心,他需要因果关系发现方法提高到一个新水平的复杂性。而不是使用完整的观测数据数据集或合成,基因表达,他现在与真实的数据临床实践。这使得任务明显更加困难,因为他很快发现:“在现实中,个人的信息,测量,或整个数据集往往失踪,以及如何收集数据也总是不同于医院,有时甚至从医生到医生。”

消除无关的相关性

的临床资料,马克思分析预测模型与医生合作大学儿童医院巴塞尔(UKBB)包括时间序列脉冲率和血糖水平,以及关于体育活动的信息,卡路里的摄入量,胰岛素注射和睡眠质量。然后过滤问题的数据排除任何相关性模型,没有相关的研究问题。

如果预估一个治疗医生是健壮的和可理解的,因素的数量必须保持尽可能低。无论哪种方式,还为时过早预测模型是否会成功实践:“与我们的项目,我们正在冒险进入领域我们还没掌握方法。”

自然,山脉和攀爬在社区

在任何情况下,年轻的研究员在苏黎世有一个成功的开始。“当我第一次来到这里的秋天,我感到在家里很快。这座城市非常美丽,山很近,”他说。充满激情的攀岩者,马克思特别喜欢被人如此接近自然,尤其是山上。“登山让我关掉,我的注意力完全集中控制。还有攀登理想社会和别人一起做事情。”In Saarbrücken, he was far away from the mountains and so mainly did bouldering indoors. Now that he's based in Zurich, he's looking forward to being able to visit alpine terrain more often.

非常国际和跨学科

马克思喜欢AI中心就像他喜欢苏黎世和周边的城市:“是格外的国际中心。也有各种各样的主题领域。它令人印象深刻的和鼓舞人心的能点对点的讨论与领导有关部门从不同的学科作为一个正常的日常生活的一部分。”

人工智能中心的跨学科特征并不局限于社会互动,然而。除了bioinformatician朱莉娅·沃格特,马克思在彼得•Buhlmann co-mentor专攻高维数据。这些可以用来检查许多属性的数据集与每个对象相关联。这包括马克思的糖尿病数据分析。此外,还有一个与生物医学信息学集团合作成立由贡纳Ratsch,机器学习的界面进行研究和生物信息学。

学习从不同的数据源

马克思本人活跃在多个学科领域。他有另一个项目中,他探讨所谓的多模式学习。在这里,我们的目标是在来自不同数据源的数据找到共同点。例如,他结合了结果正电子发射断层扫描(宠物),产生一个三维可视化的异常组织新陈代谢,结果从X-ray-based计算机断层扫描(CT),显示层的密度异常的组织。

的组合两个成像方法的分析,自动通过机器学习,可以推动肿瘤诊断的主要进步。愿景是一个人工智能系统,发现两个数据集和应用中的共性问题可靠的诊断和预后。

第一次经历作为一个讲师

目前,马克思是期待着他的第一节课,他会给这个夏季学期一起的同事来自人工智能中心。“我一直喜欢与学生工作,硕士学生乙正处于一个非常先进水平。的讨论总是产生输入,我没有认为自己,”马克思说。奖学金从而使他不仅磨练他的科学技能,但也获得最初的经验作为一个讲师。

马克思还没有想风险具体预测自己的未来,他说:“我在这里的第一次经验后,我相信我的时间在乙将准备我极好地职业options-academia和行业。”