Campaign: MouseAge: Russian

Share this campaign

MOUSEAGE: ФОТОГРАФИЧЕСКИЕ ЧАСЫ СТАРЕНИЯ У МЫШЕЙ

Использование методов искусственного интеллекта и компьютерного зрения для определения возраста, оценки влияния терапий против старения у мышей и увеличения темпа исследований



MouseAGE
Применяя Искусственный Интеллект для определения возраста и оценки терапий против старения


Цель MouseAGE – создать на основе искусственного интеллекта исследовательский инструмент, чтобы помочь ученым с высокой точностью определять биологический возраст мышей и тестировать подходы к продлению жизни, исследуя фотографии мышей. Это позволит внедрить первый визуальный биомаркер старения, а также поможет проверять эффективность потенциально антивозрастных терапий, сохранять жизни животных, а также ускорит ход исследований долголетия.

Глядя на человека, мы можем оценить его/ее возраст и даже сделать выводы о его/ее состоянии здоровья по оттенку кожи, пигментации, эластичности, седеющим волосам и другим параметрам. Внешность человека может давать врачу важные подсказки.

Но что касается мышей, взгляд человека не может распознать незначительные изменения во внешнем виде такого мелкого животного с достаточной точностью, и здесь современные технологии приходят на помощь.

Используя машинное обучение в сочетании с распознаванием изображений, MouseAGE научится распознавать мышей на фотографиях, определять разные части их тела, и в конечном итоге выявит едва различимые визуальные биомаркеры старения. Тщательный анализ этих данных, и анализ того, как эти данные коррелируют с другими биологическими параметрами, позволит исследователям оценивать потенциальные антивозрастные терапии на раннем этапе эксперимента и менее инвазивным путем. Этот подход работает на людях, и мы полагаем, что он сработает и на мышах.

Поскольку MouseAGE поможет ученым собирать важные данные о старении и контроле продолжительности жизни намного быстрее, мы надеемся, что это даст возможность сократить число животных, используемых в экспериментах, и избежать ненужных страданий животных. Давайте используем возможности искусственного интеллекта для ускорения исследований в области омоложения, повышения их эффективности, чтобы помочь добиться здоровья и долголетия как у мышей, так и у людей!

Мы хотим сделать этот мир лучше и для людей, и для мышей – вы поддержите нас в этом начинании?


Подробности

Что именно будет сделано в ходе проекта?

Да начнется фестиваль мышиных селфи! Чтобы быстро собрать данные, коммерческие питомники мышей, исследовательские лаборатории, и наши бета-тестеры по всему миру сделают и загрузят в облачное хранилище множество снимков мышей. На этом этапе проекта мы будем собирать изображения нормально стареющих мышей, чтобы выработать нормативы того, как выглядит старение у мышей.

Мы решили начать работу с линии мышей C57BL/6 (black 6); это наиболее часто используемая в лабораториях всего мира линия мышей, так что стоит начать именно с нее. Нам нужно будет собрать примерно 10 000 изображений, включающих мышей линии black 6 разных возрастных групп – эта цель основывается на нашем предыдущем опыте с распознаванием лиц людей. Когда мы получим достаточный объем визуальных материалов, начнется обучение искусственного интеллекта.

Мы научим нашу систему находить мышей на изображениях (мы уверены, она скоро превзойдет в этом даже кошек!) с помощью технологий распознавания изображений. Потом мы научим ее, как находить разные части тела (голову, живот, лапки и хвост), а также другие элементы внешнего вида мыши.

Следующий шаг это создание приложения для предсказания возраста мыши, где будет применяться технология глубинного обучения, такая как нейронные сети. Нейронные сети имеют много слоев, каждый из которых отвечает за распознавание определенной черты. В какой-то момент мы обнаружим признаки, которые позволяют предсказывать возраст лучше всего. Эти признаки в дальнейшем будут отобраны как потенциальные биомаркеры, и мы протестируем их на больших объемах изображений мышей, чтобы подтвердить их надежность прежде, чем они будут применяться в исследованиях по продлению жизни.

Оценивать точность работы приложения мы будем с помощью стандартных параметров, таких как Средняя абсолютная ошибка (англ. MAE) и Среднеквадратичное отклонение (англ. RMSE). Мы будем стремиться получить начальную Среднюю абсолютную ошибку на уровне 3 месяца или точнее (точность предсказания возраста +- 3 месяца). Один из примеров САО для сравнения это Horvath’s Epigenetic Clock при определении старения у людей, где САО равна ~2.7 годам. Важно отметить, что точность работы приложения продолжит увеличиваться по мере увеличения объема данных, доступных для обучения.


Профессор Стив Хорват, Калифорнийский Университет, лос-Анжелес (разработчик наиболее надежных биомаркеров старения у людей на основе метилирования ДНК):
“Это захватывающий проект с сильным инновационным потенциалом. Результаты на людях предполагают, что этот проект достигнет цели. Для проверки гипотезы, положенной в основу проекта, потребуются тщательные исследования широкого масштаба”


Вадим Гладышев, профессор медицины в Brigham and Women’s Hospital и Гарвардской Медицинской Школе.
“В мире сейчас проводится много исследований, в которых изучается продолжительность жизни мышей. Система на принципах искусственного интеллекта MouseAGE поможет определить, какие вмешательства позволяют мышам выглядеть моложе. План состоит в том, чтобы разработать метод определения биологического возраста мыши на основе изображений мышей, а затем применить технологию переноса обучения на других наборах и разновидностях данных.”


Доктор Обри ди Грей, биогеронтолог, старший научный сотрудник SENS Research Foundation.
“Корреляция между внешним видом и биологическим возрастом ранее уже исследовалась, но исследования у людей осложняются тем, что наше старение требует много времени. В итоге эксперимент также требует много времени, если только мы не сбиваемся с пути, фокусируя внимание на возможности преждевременной смерти. Кроме того, в данном исследовании методом определения биологического возраста является компьютерный анализ, а не наблюдения человека, что обеспечивает более высокий уровень объективности при выявлении признаков с наибольшей диагностической ценностью – что повысит качество исследований на пути к разработке терапий”.

Эта простая в обращении платформа для исследователей, основанная на принципах глубинного обучения, потенциально способна произвести революцию в фундаментальных исследованиях старения и помочь перенести многообещающие терапии на людей быстрее. Только представьте себе: как только первая версия MouseAGE будет создана, станет намного проще проанализировать особенности старения у мышей под воздействием медицинского вмешательства по сравнению с нормой, и ученые всего мира получат ценную информацию, которая будет собрана более гуманным путем.

Вместо того, чтобы ждать много лет и подвергать тестам множество животных, MouseAGE позволит очень быстро тестировать потенциальные подходы к продлению жизни, чтобы выявить, какие терапии, факторы образа жизни и диеты позволяют мышам выглядеть моложе своего реального возраста. Ученые всего мира получат превосходный инструмент для ускорения их исследований, который поможет в какой-то момент начать применять найденные подходы у людей.


Джим Меллон, директор Juvenescence, предприниматель и инвестор
“Какая отличная инициатива; я поддерживаю ее, поскольку научный анализ старения мыши это то, без чего всеобъемлющее понимание биологии старения невозможно”.


Мортен Шебай-Кнадсен, доктор медицины, PhD
Руководитель лаборатории биологии старения в Университете Копенгагена
“Разработка методов предсказания возраста является ключевым фактором прогресса в создании терапий против старения. Применение неинвазивных подходов, таких как определение возраста мыши по фотографии, это значительный шаг вперед в нашей области, и такой инструмент, безусловно, будет широко применяться биогеронтологами во всем мире. Поэтому я всецело поддерживаю проект MouseAge.org”.

И это еще не все: начальные статьи по результатам данного проекта будут опубликованы в открытом доступе, чтобы мы все могли получить пользу от свободного распространения научных знаний.

Разве не замечательно? Нас этот проект вдохновляет, а с вашей помощью MouseAGE может произвести настоящую революцию!

Дополнительные источники:

  1. Rothe R, Timofte R, Van Gool L. Deep expectation of real and apparent age from a single image without facial landmarks. International Journal of Computer Vision. 2016:1-4.
  2. Han H, Otto C, Jain AK. Age estimation from face images: Human vs. machine performance. In Biometrics (ICB), 2013 International Conference on 2013 Jun 4 (pp. 1-8). IEEE.
  3. Fu Y, Guo G, Huang TS. Age synthesis and estimation via faces: A survey. IEEE transactions on pattern analysis and machine intelligence. 2010 Nov;32(11):1955-76.
  4. Phillips P, Moon H, Rizvi SA, Rauss PJ. The FERET evaluation methodology for face-recognition algorithms. In IEEE Transactions on pattern analysis and machine intelligence, 2000; 22(10):1090-1104.

Бюджет проекта будет распределен следующим образом:

 
  • 40% — Инженеры по глубинному обучению: разработка и внедрение алгоритмов глубинного обучения. Они исследуют разные подходы, разработают решения, проведут обучение и тестирование моделей, и оптимизируют нейронную сеть в целях продуктивной работы. Они также усовершенствуют различные операции, насколько позволит машинное обучение.

  • 15% — Инженеры по системному программному обеспечению: осуществляют техподдержку различных операций, и управляют полным циклом подготовки и запуска приложения в ходе реализации проекта. Они будут применять и настраивать модульное тестирование и инструменты автоматизации, чтобы тестирование могло проводиться в автоматическом режиме.

  • 15% — Разработчик мобильного приложения: разрабатывает дизайн и создает продвинутые приложения для таких мобильных платформ, как iOS. Помимо дизайна компонентов программного обеспечения и комплексной архитектуры, этот специалист будет заниматься устранением неполадок и повышением производительности приложения.

  • 30% — Анализ с помощью графического процессора (GPU, Graphics Processing Unit): GPU это выделенные графические процессоры для ПК. Наряду с развитием глубинного обучения, вычислительная мощность и энергоэффективность графических процессоров позволила начать широко использовать их для профессиональных высокопроизводительных вычислений и анализа данных. Графические процессоры обеспечили вычислительную мощность, которая необходима для проведения вычислений глубинной нейросети всех типов, которые могут понадобиться в ходе проекта, в разумные сроки, но такая мощность обходится недешево.
 


Цель и дополнительные цели

$30,000: Начальная Цель – Разработка Системы MouseAGE

Наша первоначальная цель – разработка системы MouseAGE, которая бы принесла пользу исследователям. Это будет приложение, которое можно установить на персональный смартфон, чтобы делать снимки, аннотации к ним, и отправлять их в облачную базу данных для анализа. Приложение также сможет выполнять оценку возраста на вновь поступивших изображениях.

Смета включает инструмент для сбора данных для исследователей, софт для распознавания мышей, и разработку точного алгоритма для предсказания возраста мышей, основанного на принципах глубинного обучения. Этот инструмент будет использовать технологию извлечения признаков, чтобы определить визуальные биомаркеры старения у мышей, которые, по нашему замыслу, будут тщательно протестированы, а затем будут доступны для широкого распространения и применения в повседневной лабораторной практике.

Система MouseAGE вначале будет доступна как приложение для IPhone, и будет распространяться бесплатно.

$50,000: Дополнительная цель – Включение других модельных организмов с помощью переноса обучения.

Если применение начального алгоритма оценки на линии мышей black 6 докажет свою эффективность, команда MouseAGE попытается создать подобную систему оценки для других линий мышей, а также крыс, кроликов, и возможно даже человека. Это позволит проверить биологическое соответствие отобранных биомаркеров, и в то же время расширить сферу применения MouseAGE как исследовательского инструмента. Этот процесс начнется с добавления линии мышей BALB/c, а также таких линий крыс как Wistar и Sprague Dawle, которые являются распространенными лабораторными животными.

Это подразумевает применение технологии, которая называется перенос обучения – подход к машинному обучению, который фокусируется на сохранении знаний, полученных при решении одной задачи, с последующим их применением для решения другой подобной задачи.


График проекта

Проект будет проходить в несколько этапов; чтобы дать вам представление о затратах времени и общем ходе развития проекта, мы создали эту удобную инфографику:

[click-to-enlarge]

Движение к основной цели будет состоять из следующих шагов:

 
  1. Собрать базу данных изображений мышей
    1. Создать мобильное приложение для сбора данных
    2. Создать базу данных и безопасную инфраструктуру хранилища
    3. Предоставить приложение исследователям
    4. Собрать изображения и сопроводительную информацию: линия, возраст и пол мыши
  2. Обучить нейронную сеть алгоритму распознавания мыши на фотографиях
    1. Обеспечить контроль качества изображений для распознавания мыши
    2. Обучить нейронную сеть алгоритму определения различных частей тела мыши: головы, тела, хвоста
  3. Создать модель нейронной сети для предсказания возраста мыши
    1. Обучить сеть определению возраста на целостных изображениях мышей
    2. Обучить сеть определению возраста по частям тела
    3. Построить модель на основании разных источников данных (голова, тело, хвост) для более точного предсказания возраста
  4. Разработать визуальные биомаркеры старения у мышей
    1. Отработать извлечение признаков для оценки, какие признаки наиболее значимы для предсказания возраста
    2. Протестировать визуальные биомаркеры старения
    3. Провести несколько итераций в ходе увеличения объема доступных данных, для постоянного усовершенствования системы биомаркеров для предсказания возраста
  5. Использовать технологию переноса обучения для применения биомаркеров на других модельных организмах, и возможно на человеке в том числе
 

Если проект соберет достаточно средств, бесплатное приложение для сбора данных мы создадим и выпустим уже к середине октября 2017 года. Это позволит пользователям начать собирать изображения и загружать их в базу данных.

Мы планируем собрать достаточный объем данных к февралю 2018 года, и разработаем алгоритм для предсказания возраста мыши к апрелю 2018. Вскоре после этого система биомаркеров будет доступна исследователям в виде бесплатного мобильного приложения.


Познакомьтесь с командой проекта

Успех проекта определяется не только привлеченным финансированием, но и квалификацией научной группы, осуществляющей проект. Познакомьтесь с командой – мы расскажем вам о себе, и о том, почему мы считаем, что MouseAGE так важен.

Анастасия Георгиевская
Руководитель проекта
Анастасия является со-основателем и генеральным директором Youth Laboratories, компании, разрабатывающей инструменты для изучения старения и поиска эффективных антивозрастных терапий при помощи достижений машинного обучения и искусственного интеллекта. Основной целью Youth Laboratories является применение системы распознавания лиц для предсказания состояния здоровья пациентов с целью помочь им остаться здоровыми и молодыми как можно дольше. Анастасия является дипломированным специалистом по биоинжинирингу и биоинформатике Московского Государственного Университета. Она является победителем ряда конкурсов по математике и биоинформатике. Анастасия успешно участвовала в качестве волонтера в работе самых престижных компаний в области исследований старения, включая Insilico Medicine. Она также являлась председателем и докладчиком на саммите Re-Work Deep Learning in Healthcare, недавно прошедшем в Лондоне.
Вадим Гладышев
научный руководитель исследования
Вадим Гладышев является преподавателем медицины в Brigham and Women’s Hospital, Гарвардской Медицинской Школе, а также ассоциированным членом в Broad Institute. Он также является директором Center for Redox Medicine. Лаборатория доктора Гладышева применяет высокопроизводительный и вычислительный подходы для изучения механизмов старения, контроля продолжительности жизни, и окислительно-восстановительного регулирования процессов в клетках. Его лаборатория недавно разработала биомаркеры старения мыши на основании паттернов метилирования ДНК крови. Доктор Гладышев является автором примерно 300 научных публикаций и был избран членом Американской ассоциации содействия развитию науки (AAAS). В 2013 году он стал лауреатом Пионерской Премии Директора Национального Института Здоровья США за исследования механизмов долголетия.
 
Алекс Жаворонков
научный со-руководитель исследования
Александр Жаворонков (PhD) является исполнительным директором Insilico Medicine, Inc, основанной в Балтиморе компании, применяющей последние достижения искусственного интеллекта для поиска лекарств, разработки биомаркеров и исследований старения. Александр имеет две степени бакалавра в Queen’s University, получил степень магистра в области биотехнологий в Университете Джонса Хопкинса, и докторскую степень по биофизике в Московском Государственном Университете.Александр является Старшим научным сотрудником в Biogerontology Research Foundation, британской благотворительной организации, поддерживающей исследования старения во всем мире. Он также является директором международного проекта по управлению знаниями Aging Research Portfolio (IARP), научным руководителем Youth Laboratories и адъюнкт профессором Московского Физико-Технического Института. До того, как фокус его внимания был перенаправлен на исследования старения в 2004 году, он был директором ATI Technologies, крупной канадской компании по производству графических процессоров, а также со-основателем и старшим научным сотрудником NeuroG, компании в сфере нейроинформатики. Алекс Жаворонков является автором более 90 научных публикаций в рецензируемых журналах. Он издал несколько книг: “The Ageless Generation: How advances in biomedicine will transform the global economy” (Palgrave Macmillan, 2013) and “Dating AI: A Guide to Falling in Love with Artificial Intelligence” (RE/Search, 2012). Алекс является редактором нескольких журналов, включая Aging, Oncotarget: Gerotarget, Frontiers in Genetics, и Frontiers in Molecular Biosciences. Он также является со-организатором ежегодного форума Aging and Drug Discovery, а также ежегодного форума Artificial Intelligence & Blockchain for Healthcare, проходящих в Базеле, Швейцария, и являющихся частью конгресса EMBO/Basel Life.
 
Алексей Шевцов
исполнительный директор Youth Laboratories
Алексей Шевцов имеет степень в области международного финансового права. Его прошлый опыт включает сотрудничество с престижными компаниями, такими как Ernst & Young и Deloitte, и инвестиционными компаниями в сфере биомедицины в Гон-Конге, такими как Deep Knowledge Ventures. Алексей вошел в число финалистов ежегодной премии Ernst & Young Предприниматель Года.
Сергей Мажидович
программист
Сергей получил степень магистра в компьютерных науках в Московском Авиационном Институте (со специализацией в области прикладной математики и физики), и является высококвалифицированным инженером в сфере программного обеспечения. После нескольких лет работы в крупных IT компаниях, таких как Mail.ru и Yandex, Сергей заинтересовался исследованиями долголетия. Он начал принимать участие в Хакатонах по применению машинного обучения и глубинного обучения в решении биомедицинских проблем. Сергей был отмечен BGRF как талантливый программист и приглашен принять участие в проекте MouseAGE, где он руководит разработкой основной программно-аппаратной части и хранилища данных.
Константин Киселев
CTO at Youth Laboratories
Константин является со-основателем и техническим директором Youth Laboratories. Он получил степень магистра в области теоретический физики в Московском Государственном Университете им. Ломоносова. Он обладает обширным профессиональным опытом в сфере разработки программного обеспечения в системах с высокой нагрузкой, глубокими знаниями в области машинного обучения и биг дата. Константин является сертифицированным инструктором Института Глубинного Обучения NVIDIA.

Хотите узнать больше?

Зайдите на сайт MouseAGE и узнайте больше подробностей о проекте и особенностях его проведения. Мы также будем рады сотрудничеству с теми, кто заинтересован в развитии нашего приложения для использования в других сферах – пишите нам!


Подарки


Пожалуйста, помогите нам создать Скан Биомаркеров MouseAGE – и одновременно получите замечательные подарки!
Нажмите на картинки подарков, расположенные ниже, для получения подробной информации.

Если ваше пожертвование составит 25 долларов и больше, приглашаем вас прислать нам вашу фотографию для проведения оценки с помощью Beauty.AI на электронную почту kc@beauty.ai !