La scorsa estate i ricercatori di Frontier Development Lab (Fdl) hanno condotto un importante studio sulla salute degli astronauti in collaborazione con gli AI Mentors di Intel per meglio comprendere gli effetti dell’esposizione alle radiazioni sulla fisiologia degli astronauti. Utilizzando le tecnologie di intelligenza artificiale di Intel, Fdl ha creato il primo algoritmo al mondo in grado di identificare i biomarcatori dello stato di avanzamento dei tumori, basato su una combinazione di dati relativi all’esposizione alle radiazioni nei topi e negli esseri umani.
Perché è importante e come viene usata l’intelligenza artificiale da Intel
Le radiazioni cosmiche sono in grado di penetrare diversi strati di acciaio e alluminio e di influire sui tessuti umani nei viaggi spaziali. Possono determinare problemi di salute per gli astronauti e future complicazioni dovute a tumori. A causa della scarsità di dati sugli effetti delle radiazioni cosmiche provenienti dalle attuali missioni spaziali, i ricercatori si trovano dati attentamente protetti da diverse istituzioni. Per accedere a questi dati, che risiedono in memorie indipendenti una dall’altra, Intel e FDL hanno formulato un’istruzione di machine learning causale, mettendola a disposizione di una serie di istituti che possono utilizzare un algoritmo intelligenza artificiale per istruirlo sui dati contenuti in diverse località senza doverli condividere.
Come funziona
I ricercatori hanno sviluppato il modello di data mining CRISP 2.0 estendendo il precedente modello CRISP 1.0 sviluppato dal FDL astronaut health team nel 2020. Con CRISP 2.0, nel 2021 il team ha dimostrato che i dati relativi agli effetti delle radiazioni sui roditori possono essere utilizzati con omologhi dei dati relativi agli esseri umani e quindi istruire l’algoritmo di analisi dei dati umani. Questo metodo di machine learning causale consente ai ricercatori di prevedere con maggiore accuratezza quali geni saranno influenzati dalle radiazioni, generando tumori oppure risposte immunitarie.
La ricerca è basata sull’infrastruttura Open Federated Learning (OpenFL) creata da Intel e dai ricercatori di FDL su Google Cloud per istruire e combinare i risultati provenienti dai modelli CRISP 2.0 di istituzioni quali NASA, Mayo Clinic e NASA Gene Lab senza trasferire i dati in una memoria centrale. Questo fatto è di importanza fondamentale poiché, nonostante ciascuna organizzazione avesse i diritti necessari a utilizzare i dati, questi erano privati e il costo di trasmissione dei dati generati a bordo di una navicella spaziale è particolarmente elevato. Ciascuna istituzione ha ricevuto una serie di modelli globali che sono stati utilizzati per realizzare un ciclo di istruzione AI su ciascun dataset locale. I modelli sono poi stati inviati al nodo centrale per essere aggregati e condivisi di nuovo tra le istituzioni collaboranti. Infine, CRISP 2.0 è stato utilizzato per generare dati che hanno consentito di svolgere ulteriori analisi e ottenere nuove informazioni.
