اثبات موثر بودن هوش مصنوعی در پاتولوژی مولکولی سرطان و پژوهش های انکولوژیک - مجله ویراپارس

به گزارش خبرنگار گروه علمی و دانشگاهی خبرنگاران، با وجود تمام پیشرفت ها، پاتولوژی مولکولی سرطان، به جای آنالیز تمام ژن ها محدود به استفاده از شمار اندکی از زیست نشانگر هاست.

بخشی از این محدودیت به علت چالش های موجود در آنالیز کامپیوتری داده ها ایجاد شده است. به منظور غلبه بر این مشکل، بهروز آذر خلیلی، علی شریفی زارچی، علی صابری و همکارانشان در پژوهشگاه رویان، دانشگاه صنعتی شریف و دانشگاه ایالتی کلرادو، شبکه های عصبی ژرفی (DNNs) را معرفی کردند که قادر به استنتاج هم زمان ویژگی های گوناگون نمونه های زیستی است.

این شبکه تمام مشخصات بخش رونویسی شونده ژنوم (ترنسکریپتوم) را بر روی یک لاتنت وکتور (یک تصویر ورودی به داده پرداز کامپیوتری است) کوچک رمزگذاری کرده، سپس مشخصات mRNA و miRNA های بیان شونده را بر اساس بافت و بیماری بازیابی می کند. این روش بسیار کارامدتر از داده های اصلی حاصل از بیان ژن برای افتراق نمونه ها بر اساس بافت و بیماری عمل می کند.

پژوهشگران از این روش برای آنالیز 10750 نمونه از 34 گروه مختلف (یک گروه سالم و 33 گروه مبتلا به انواع مختلف سرطان) از 27 بافت، استفاده کردند. نتایج این پژوهش که در مجله بین المللی Scientific Reports به چاپ رسیده است، نشان داد، روش ابداع شده در این پژوهش به شکل معنی داری بهتر از روش های پیشین و روش های مرسوم استفاده از داده پردازی بافت مبدأ، شرایط سلامت یا بیماری و نوع سرطان در هر نمونه را پیش بینی می کند. برای بافت هایی با بیش از یک نوع سرطان، با دقت 99.4 درصد انواع سرطان درست تشخیص داده شده بود.

در مجموع نتایج این پژوهش نشان داد استفاده از هوش مصنوعی در پاتولوژی مولکولی سرطان و پژوهش های انکولوژیک می تواند بسیار سودمند باشد.