شناسایی جهش های سرطانی با روش هوش مصنوعی
به گزارش تعمیرکار، پژوهشگران سنگاپوری، یک روش جدید مبتنی بر هوش مصنوعی را ابداع نموده اند که می تواند جهش های عامل سرطان را با دقت بالایی شناسایی کند.
به گزارش تعمیرکار به نقل از ایسنا و به نقل از وبسایت رسمی "موسسه ژنوم سنگاپور"(GIS)، پژوهشگران یک روش جدید مبتنی بر هوش مصنوعی معروف به "VarNet" ابداع نموده اند که می تواند جهش های عامل انواع سرطان را در میلیونها قطعه DNA که در یک دستگاه قرار دارند، بررسی و شناسایی کند. این روش مانند یک قطب نمای کلیدی در هدایت راهبردهای درمانی شخصی سازی شده برای مبارزه با سرطان عمل می کند. روش VarNet را میتوان هم در محیط های بالینی و هم در زمینه های پژوهشی برای تحلیل و بررسی جهش ها به کار گرفت تا راهبردهای درمانی را عرضه نماید یا به درک بهتر سرطان کمک نماید.
سرطان، در اثر جهش هایی ایجاد می شود که در طول عمر یک شخص به وجود می آیند. شناسایی این جهش ها، یک چالش بلندمدت بوده است که باید برای توسعه راهبردهای درمانی شخصی سازی شده و عرضه درمان مناسب به بیمار مناسب در زمان مناسب برطرف شود. پژوهش موسسه ژنوم سنگاپور، برای رسیدگی به این چالش انجام شده است.
روش VarNet، از یادگیری عمیق استفاده می نماید که یک روش مبتنی بر هوش مصنوعی، برای شناسایی جهش های سرطانی بدون دانش تخصصی در حوزه سرطان و ژنومیک است. این روش با مقادیر قابل توجهی از داده های توالی یابی سرطان آموزش دید که از پایگاه های داده سنگاپور و پایگاه های بین المللی به دست آمده بودند. هنگامی که VarNet با معیارهای تومور واقعی ارزیابی شد، از نظر دقت توانست از الگوریتم های کنونی شناسایی جهش فراتر رود. شناسایی دقیق جهش ها در تومورها، بر تحلیل و بررسی ها تاثیر می گذارد و می تواند نتایج پژوهشها و تصمیمات درمانی را هم تحت تاثیر قرار دهد.
دکتر "اندرس اسکندروپ"(Anders Skanderup)، سرپرست این پژوهش اظهار داشت: ما مدتی است که روی روش های یادگیری ماشینی برای بهبود تشخیص جهش های سرطان کار می نماییم. طی روند این کار، متوجه شدیم که متخصصان انسانی اغلب در فرایند تأیید جهش های سرطان با اطمینان بالا شرکت دارند.
وی ادامه داد: متخصصان انسانی با بررسی تصاویری از DNA که جهش های بالقوه را شامل می شود، تصمیم می گیرند. با این حال، در حالیکه یک انسان می تواند این کار را فقط برای چند جهش و در مدت زمان محدود انجام دهد، یک روش مبتنی بر هوش مصنوعی شاید بتواند همان کار را روی سه میلیارد نوکلئوتید در ژنوم انسان انجام دهد. این موضوع، الهام بخش ما شد تا از روش های یادگیری عمیق استفاده نماییم که الگوهای موجود در تصاویر را یاد می گیرند و یک روش خالص مبتنی بر هوش مصنوعی را برای شناسایی جهش های سرطان ایجاد می کنند.
"کایران کریشناماچاری"(Kiran Krishnamachari)، از پژوهشگران این پروژه تصریح کرد: این سیستم توانست یاد بگیرد که جهش ها را از داده های خام و به روشی تشخیص دهد که یک متخصص انسانی هنگام بررسی دستی انجام می دهد تا جهش های بالقوه را شناسایی کند. این مورد به ما اطمینان داد که اگر سیستم با مجموعه گسترده ای از داده ها آموزش ببیند، می تواند خصوصیت های در ارتباط با جهش ها را با استفاده از راهبردهای نظارتی که نیازی به برچسب گذاری دستی بیش از حد ندارند، یاد بگیرد.
پروفسور "پاتریک تان"(Patrick Tan)، مدیر اجرایی موسسه ژنوم سنگاپور اظهار داشت: شناسایی جهش های سرطان، گامی حیاتی در توسعه پزشکی دقیق است. روش VarNet نشان داده است که یادگیری عمیق می تواند جهش های سرطانی را با دقتی تشخیص دهد که اغلب بیشتر از دقت روش های پیشرفته موجود است.
این پژوهش، در مجله "Nature Communications" به چاپ رسید.
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب