ハロー、アメリカンジャスティンです。
AIにも面白い開発とかどんどん出てきましたので、だんだん人間に近づくことになるのでしょう。
今日の元の記事は：
https://theconversation.com/ai-is-acquiring-a-sense-of-smell-that-can-detect-illnesses-in-human-breath-97627

AIは人の呼吸を嗅ぐ能力を持ち、病気を検出することができます

AIは人間の本質的な感覚を習得することを証明されています、例えばAppleのSiriのように音に精通していますし、自動で車を運転できるAIは視覚をマスターしておいます。
ところで、人間は嗅覚が他の動物よりもあまり優れてはいないこともありAIから大きな恩恵を得ることができます。英国のエジンバラ大学とラフボルフ大学の研究者は、人の息を分析してさまざまな病気を判断できるニューラルネットワーク的のAIを開発しました。

今までは、ガスクロマトグラフィー質量分析計（gas-chromatography mass-spectrometers又はGC-MS）と呼ばれる特殊な装置で気体中の化合物分析しておりました。この装置は、揮発性有機化合物（Volatile Organic Compounds 又はVOC）と呼ばれる特定の種類の分子を検出するために使用されます。 GC-MSは、空気中の化合物を分離できるキャピラリーカラム(capillary column)と呼ばれる固定相が内張りされた細いチューブを使用して空気を分析します。それぞれの化合物は、固定相と違う形で相互作用し、独特のパターンを生成します。これは空気中の個々の分子を識別するために使用されます。

これらの特集なパターンは、グラフ上にマッピングされ、様々なスパイク(グラフ上の山谷)を明らかにします。最小のスパイクであっても、分析には不可欠なのです。何百もの化合物が人間の息に存在することがありますので、人が病気に罹ったときに存在する化合物も分析できます。

これらのパターンの分析は専門家によって実施されており、扱っているデータのサイズが非常に大きいため、かなり時間がかかります。ここがAIの出番です。ニューラル·ネットワーク(Neural Network)の最新の開発を使用して、アルデヒド(aldehydes)のパターンを認識するようにAIを訓練しました。アルデヒドは、ストレス状態や病気に関連する化合物です。

空気はまず、GC-MSを介して測定され、2次元データマトリックス(2D matrix)を生成されます。化合物が最初に化学者によって同定されたので、データは機械学習プラットフォームに供給されました。研究者Angelika Skarysz氏は語ります「NVIDIA Tesla GPUとcuDNN加速ケラス、およびTensorFlowの深い学習フレームワークを使用して、さまざまな種類のがん治療の参加者からのデータを使って神経ネットワークを訓練しました。」

研究チームは、GC-MSデータが1次元にフィルタで再編成し、3つのチャネルの高、中、低強度信号で変換された方がネットワークにとって有効と指摘しました。システムの効率を高めるために、100倍以上のデータ増強を利用してきました。これは、機械学習によってイオンパターン(Ion patterns)と化合物の検出の生のGC-MSデータの分析をするのが世界最初になっております。

人間の手による分析に何時間もかかったのは、ニューラルネットワークによってほんの数分で解決し信頼性が大幅に向上しました。このシステムは、人間の専門家によるラベリングの誤りを発見しており、人間よりも良い性能平均を示しています。ニューラルネットワークの付加的な利点は、速度に加えて人間よりも高い精度での分析を実現することです。これにより、このシステムはいかなる物質にも制限されず、微量の揮発性化合物について訓練することができます。

---

AI Now Has The Ability to Smell And Can Detect Illness Through Human Breath

AI has been shown mastery in some of human’s essential senses such as sight, as seen with driverless cars, and sound, as with Apple’s Siri. But the sense of smell is not something well developed with humans and could gain a great benefit from AI. Researchers from the University of Edinburgh and Loughborugh University in the UK have neural network based AI that can analyze human breath to identify various illnesses.
 
Up until now, the detection of compounds in gases have been performed by specialized machines called the gas-chromatography mass-spectrometers (GC-MS). These machines are used to detect a specific type of molecules called volatile organic compounds (VOCs). The GC-MS analyzes the air using a thin tube called a capillary column that is lined with stationary phase, which is a type of material that separates the compounds in the air. Different compounds interact with the stationary phase in different ways which creates a unique pattern; this is what is used to identify each individual molecules in the air.
 
These unique patterns are mapped on a graph and reveal various peak sequences. Even the smallest of spikes are essential for analyzation. Hundreds of compounds can exist in the human breath, including those that are present when a person is sick.
 
The analysis of these patterns are conducted by experts and due to the sheer size of the data they are dealing with, end up being a very time consuming process. This is where AI comes in. Using the latest developments in neural networks, the team trained the AI to recognize patterns in aldehydes, a compound that has association with stress conditions and ailments.
 
The air is first measured through the GC-MS, producing a two-dimensional data matrix. As the compounds were first identified by their chemists, the data was fed into the deep learning platforms. Researcher Angelika Skarysz reported, “Using NVIDIA Tesla GPUs and the cuDNN-accelerated Keras, and TensorFlow deep learning frameworks, the team trained their neural network on data from participants with different types of cancer receiving radiotherapy.”
 
The team noted that the network performed better when GC-MS data was reorganized through one-dimensional filters and fed through three channels of high, medium and low intensity signals. In order to increase the efficiency of the system, the research team has utilized data augmentation over 100 times. This is recorded to be the first time the analysis of raw GC-MS data of ion patterns and compound detection has been performed by machine learning.
 
What took hours of analysis by human hands, took mere minutes by the neural networks with considerable increase in reliability. The system has even discovered errors by the human experts in labeling, demonstrating better performance averages than its human counterparts. The added benefit with neural networks are their ability to improve overtime as it analyzes more and more data. This also makes this system unrestricted to any substance and can be trained for minuscule amounts of volatile compounds.