Door: FHI, Federatie van Technologie Branches Het vergaand automatiseren van laboratoria wordt inmiddels breed toegepast. Kunstmatige intelligentie, ook bekend als artificial intelligence (AI), speelt daarbij een steeds belangrijker rol. En de ontwikkelingen gaan razendsnel.
Door: Dimitri Reijerman
In de gezondheidszorg en in de farmaceutische sector worden spectaculaire resultaten behaald door met name de voorspellende waarde van goed getrainde AI-modellen in te zetten. Een goed voorbeeld is onderzoek dat gedaan is door wetenschappers van het Mahmood Lab in het Brigham and Women’s Hospital. Zij ontwikkelden een AI-model op basis van data afkomstig uit het Cancer Genome Atlas Program, genomische sequencing, pathologie en patiëntgeschiedenis. Het algoritme kan op basis van de informatie uit meerdere bronnen beter dan menselijke specialisten voorspellen hoe het verloop van veertien verschillende soorten kanker is.
Kunstmatige intelligentie is bovendien sterk en al ver ontwikkeld in taken rondom beeldherkenning. In het Verenigd Koninkrijk werd een algoritme getest om op basis van slechts een hersenscan vast te stellen of iemand (beginnende) dementie heeft en in welk tempo de ziekte zich zal manifesteren. Andere modellen hebben voorspellende waarde. Het Britse DeepMind ontwikkelde een model dat dankzij AI de samenstelling van eiwitten wist te voorspellen, opgevolgd door het AlphaFold-algoritme dat 350.000 eiwitstructuren indexeerde. Deze data helpt onder meer ziektes beter te begrijpen en sneller geneesmiddelen te ontwikkelen, maar stelt wetenschapper ook in staat om bijvoorbeeld het immuunsysteem van de honingbij te doorgronden.
Duidelijk is dat voor wetenschappelijke vooruitgang kunstmatige intelligentie niet meer is weg te denken. Maar ook voor bedrijven die relevant en winstgevend willen blijven, zijn investeringen in AI noodzaak. Het CBS constateerde in 2021 dat bijna de helft van alle grote bedrijven een of meerdere Artificial Intelligence-technologieën gebruikten. Dat aantal is vermoedelijk alleen maar toegenomen.
In het lab
In de laboratoriumwereld, traditioneel een vrij conservatieve markt, kiezen ook steeds meer partijen voor investeringen in en de inzet van kunstmatige intelligentie. Neem het AI4B.io Lab op de Biotech Campus Delft. In januari 2022 werd dit project aangekondigd - waarbij AI4B.io staat voor Artificial Intelligence Laboratory for Biosciences – met miljoeneninvesteringen door DSM en de TU Delft. Dit laboratorium is volgens de partijen het eerste in zijn soort in Europa. Doel is om AI toe te passen op bioproductie, zoals de ontwikkeling van microbiële stammen en grootschalige industriële procesoptimalisatie. Door biowetenschappen en digitale technologieën te integreren, hopen de partijen innovatiecycli te verkorten. Langdurige labexperimenten zouden daarbij weleens tot het verleden kunnen behoren.
Geld komt ook beschikbaar vanuit de overheid. Zo heeft het Nationaal Groeifonds 97 miljoen euro gestoken in Robotlab, dat zichzelf omschrijft als ‘de revolutie van zelfdenkende moleculaire systemen’. In dit onderzoeksproject, waarvoor zeven jaar de tijd is uitgetrokken, wordt gepoogd om een volledige geautomatiseerd laboratorium te ontwikkelen. Onder andere de Fontys Hogeschool Eindhoven en de Radboud Universiteit zijn er nauw bij betrokken.
Interessant in dit project is de combinatie van hoogwaardige technologie (robotica) en kunstmatige intelligentie om complexe moleculaire mengsel te ontwerpen. De onderzoekers willen AI benutten om op basis van analyses en big data efficiënter onderzoek te doen naar nieuwe chemische producten in plaats van trial-and-error en menselijke intuïtie. Bovendien moet dit duurzamere producten als verven, lijmen, dranken, vaccins en cosmetica opleveren.
Keerzijde
Hoewel de opkomst van kunstmatige intelligentie ook bij labautomatisering zorgt voor een nog hogere innovatiesnelheid, liggen er ook gevaren op de loer. Vanuit het veld wordt vooral gewaarschuwd voor de grote techbedrijven. Zo is het eerder genoemde DeepMind een dochterbedrijf van Alphabet, moederbedrijf van Google. Door de enorme rekenkracht van de supercomputers, een voorsprong in de ontwikkeling van AI, diepe zakken en forse investeringen bij de Amerikaanse techreuzen, heerst de vrees bij wetenschappers dat er een grote afhankelijkheid ontstaat van ‘big tech’. Directe alternatieven zijn er echter vaak nog niet.
Een andere uitdaging is het structureren van data. Algoritmes worden vaak getraind op basis van enorme datasets. Om deze bundels aan data uitwisselbaar te maken voor ander en toekomstig onderzoek, is standaardisatie broodnodig. Een van de mogelijke oplossingen daarvoor is het toepassen van het zogeheten FAIR-principe, waarbij er richtlijnen zijn opgesteld voor de manier waarop data wordt beschreven, opslag en de publicatie van wetenschappelijke data.
Concluderend kan worden gesteld dat door AI-gedreven innovatie in tal van sectoren een enorme impact heeft – nog los gezien van de maatschappelijke impact - en alleen maar verder zal groeien. In de labwereld, waar met robotisering al aanzienlijke efficiëntiewinsten zijn behaald, is kunstmatige intelligentie inzetbaar om nog sneller en slimmer (wetenschappelijk) onderzoek uit te voeren. Ook verandert de rol van de onderzoeker, stelt TNO. En dat soms op onverwachte manieren. Belangrijk voor Nederland en de EU blijft het om de komende jaren stevig te blijven investeren in deze technologieën. Want de boot hier missen, kan een achterstand opleveren die niet meer is in te halen.
