پژوهشگران سنگاپوری، یک روش جدید مبتنی بر هوش مصنوعی را ابداع کرده اند که میتواند جهش های عامل سرطان را با دقت بالایی شناسایی کند.
به گزارش ایسنا به نقل از وب سایت رسمی "مؤسسه ژنوم سنگاپور" (GIS)، پژوهشگران یک روش جدید مبتنی بر هوش مصنوعی موسوم به "VarNet" ابداع کرده اند که میتواند جهش های عامل انواع سرطان را در میلیون ها 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 می توان هم در محیط های بالینی و هم در زمینه های پژوهشی برای تجزیه و تحلیل جهش ها بکار گرفت تا راهبردهای درمانی را ارائه دهد یا به درک بهتر سرطان کمک کند.
سرطان (cancer) ، در اثر جهش هایی ایجاد می شود که در طول طول عمر یک شخص بوجود می آیند. شناسایی این جهش ها، یک چالش بلندمدت بوده است که باید برای توسعه راهبردهای درمانی شخصی سازی شده و ارائه درمان مناسب به بیمار مناسب در زمان زمان مناسب برطرف شود. پژوهش مؤسسه ژنوم سنگاپور، برای رسیدگی به این چالش انجام شده است.
روش VarNet، از یادگیری عمیق استفاده می کند 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 تجزیه و تحلیل ها تأثیر می گذارد و میتواند نتایج پژوهش ها و تصمیمات درمانی را نیز تحت تأثیر قرار دهد.
دکتر "اندرس اسکندروپ" (Anders Skanderup)، سرپرست این پژوهش گفت:ما مدتی است که روی روش های یادگیری ماشینی برای بهبود تشخیص جهش های سرطان کار می کنیم. طی روند این کار، متوجه شدیم که متخصصان انسانی اغلب در فرآیند تأیید جهش های سرطان با اطمینان بالا شرکت دارند.
او ادامه داد: متخصصان انسانی با بررسی تصاویری از دی ان ای (DNA) که جهش های بالقوه را شامل می شود، تصمیم می گیرند. با وجود این، در حالیکه یک انسان میتواند 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 کنیم که الگوهای موجود در تصاویر را یاد می گیرند و یک روش خالص مبتنی بر هوش مصنوعی (Artificial Intelligence) را برای شناسایی جهش های سرطان ایجاد می کنند.
"کایران کریشناماچاری" (Kiran Krishnamachari)، از پژوهشگران این پروژه خاطرنشان 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 موضوع به ما اطمینان داد که اگر سیستم با مجموعه گسترده ای از داده ها آموزش ببیند، میتواند ویژگی های مربوط به جهش ها را با استفاده از راهبردهای نظارتی که نیازی به برچسب گذاری دستی بیش از اندازه ندارند، یاد بگیرد.
پروفسور" پاتریک تان"( Patrick Tan)، مدیر اجرایی موسسه ژنوم سنگاپور گفت: شناسایی جهش های سرطان، گامی حیاتی در توسعه پزشکی دقیق است. روش VarNet نشان می دهد که یادگیری عمیق می تواند جهش های سرطانی را با دقتی تشخیص دهد که اغلب بیش از دقت روش های پیشرفته موجود است.
این پژوهش، در مجله "Nature Communications" به چاپ رسید.
- 14
- 5
