الگوریتمی که می تواند تومورهای سرطانی را شناسایی کند
یک الگوریتم جدید مبتنی بر هوش مصنوعی که توسط پژوهشگران آلمانی ابداع شده، توانایی خودرا در شناسایی تومورهای سرطانی نشان داده است.
به گزارش شاه بلاگ به نقل از ایسنا و به نقل از نیوز مدیکال نت، گروهی از پژوهشگران "انجمن هلمهولتز مراکز تحقیقاتی آلمان"(MDC) نشان میدهد که یک الگوریتم یادگیری ماشینی جدید به نام "ایکاروس" (ikarus) می تواند بگوید که سلول های سرطانی چگونه با سلول های سالم تفاوت دارند. این برنامه مبتنی بر هوش مصنوعی، مشخصه امضای ژنی تومورها را پیدا کرده است.
وقتی نوبت به شناسایی الگوها در کوهی از داده ها می رسد، انسان با هوش مصنوعی قابل قیاس نیست. بطور ویژه، شاخه ای از هوش مصنوعی به نام یادگیری ماشینی اغلب برای یافتن قواعدی در مجموعه داده ها استفاده می شود؛ خواه برای تحلیل و بررسی بازار سهام، خواه تشخیص تصویر و گفتار یا طبقه بندی سلول ها.
برای تشخیص قابل اطمینان سلول های سرطانی از سلول های سالم، گروهی به سرپرستی دکتر "آلتونا آکالین"(Altuna Akalin)، رییس بخش علوم داده های بیوانفورماتیک در مرکز پزشکی مولکولی "ماکس دلبروک"(Max Delbrück) در انجمن هلمهولتز، برنامه یادگیری ماشینی ایکاروس را توسعه داده اند. این برنامه، الگویی را در سلول های تومور پیدا کرد که در انواع مختلف سرطان، مشترک است و مشخصه ای از ژن ها را در بر دارد. همین طور این الگوریتم، ژن هایی را در الگو شناسایی کرد که پیش تر هیچ گاه به وضوح با سرطان مرتبط نبوده اند.
یادگیری ماشینی اساسا به این معناست که یک الگوریتم از داده های آموزشی استفاده می نماید تا بیاموزد که چگونه به پرسش های خاصی پاسخ دهد. الگوریتم این کار را با جستجوی الگوهایی در داده ها انجام می دهد که به حل کردن مشکلات کمک می کنند. سیستم بعد از مرحله آموزش می تواند با بهره گیری از آنچه آموخته است، داده های ناشناخته را ارزیابی کند.
"جان دومن"(Jan Dohmen)، پژوهشگر ارشد این پروژه اظهار داشت: این یک چالش بزرگ بود که داده های آموزشی مناسب را به دست بیاوریم برای اینکه کارشناسان پیش تر به وضوح بین سلول های سالم و سرطانی تمایز قائل شده بودند.
یک موفقیت غافلگیرکننده
علاوه بر این، مجموعه داده های توالی یابی تک سلولی اغلب دارای پریشانی هایی هستند. این بدان معناست که اطلاعات آنها درباره خاصیت های مولکولی سلول های منفرد، خیلی دقیق نیستند؛ شاید بدین سبب که تعداد متفاوتی از ژن ها در هر سلول شناسایی می شوند یا بدین سبب که نمونه ها همیشه بصورت یکسان پردازش نمی شوند.
دومن و همکارش، دکتر "ودران فرانکه"(Vedran Franke) گزارش دادند که بررسی های بیشماری را انجام داده اند و با گروههای تحقیقاتی زیادی تماس گرفته اند تا مجموعه داده های کافی را به دست بیاورند. این گروه پژوهشی در نهایت از داده های مربوط به سلول های سرطانی ریه و روده برای آموزش دادن الگوریتم قبل از اعمال آن در مجموعه داده های سایر تومورها استفاده کردند.
در مرحله آموزش، ایکاروس باید لیستی از ژن ها را پیدا می کرد تا سپس از آنها برای دسته بندی سلول ها استفاده نماید. دومن اظهار داشت: ما روش های مختلفی را امتحان کردیم.
بگفته پژوهشگران، این کار وقت گیری بود. فرانکه توضیح داد: کلید کار این بود که ایکاروس در نهایت از دو لیست استفاده کند؛ یکی برای ژن های سلول های سرطانی و دیگری برای ژن های سایر سلول ها.
بعد از مرحله یادگیری، الگوریتم توانست بین سلول های سالم و سلول های تومور در انواع دیگر سرطان، مانند نمونه های بافت به دست آمده از بیماران مبتلا به سرطان کبد یا نوروبلاستوما تمایز قائل شود. میزان موفقیت الگوریتم آن قدر بالا بود که گروه پژوهشی را متعجب کرد.
آکالین اظهار داشت: ما انتظار نداشتیم که امضای مشترکی وجود داشته باشد که سلول های تومور انواع مختلف سرطان را دقیقا مشخص نماید. در هر حال، هنوز نمی توانیم بگوییم که این روش برای همه انواع سرطان کاربرد دارد یا خیر.
برای تبدیل کردن ایکاروس به الگوریتمی قابل اعتماد برای تشخیص دادن سرطان، پژوهشگران حالا می خواهند آنرا روی انواع دیگری از تومورها آزمایش نمایند.
هوش مصنوعی بعنوان یک روش تشخیص قابل اعتماد
هدف این پروژه فراتر از طبقه بندی سلول های سالم در مقابل سلول های سرطانی است. ایکاروس در آزمایش های اولیه نشان داد که این روش می تواند انواع دیگر و زیرگروه های خاصی از سلول ها را از سلول های تومور تشخیص دهد.
آکالین افزود: ما می خواهیم این روش را جامع تر نماییم و آنرا بیشتر توسعه دهیم تا بتواند بین همه انواع سلول ها طی بافت برداری تمایز قائل شود.
پاتولوژیست ها در بیمارستان، تنها به بررسی نمونه های بافت تومورها در زیر میکروسکوپ تمایل دارند تا انواع مختلف سلول را شناسایی کنند. این کاری پرزحمت و وقت گیر است. با بهره گیری از ایکاروس، این مرحله می تواند روزی به یک پروسه کاملا خودکار تبدیل گردد.
این الگوریتم می تواند به پزشکان در انتخاب بهترین درمان کمک نماید. الگوریتم نشان میدهد که آیا یک درمان یا داروی خاص، موثر خواهد بود یا خیر. علاوه بر این، هوش مصنوعی ممکنست در توسعه داروهای جدید نیز سودمند باشد.
آکالین اظهار داشت: ایکاروس به ما امکان می دهد تا ژن هایی را شناسایی نماییم که محرک های بالقوه سرطان هستند. سپس می توان از عوامل درمانی جدید برای هدف قرار دادن این ساختارهای مولکولی بهره برد.
همکاری راه دور از خانه
یکی از جنبه های قابل توجه پژوهش این است که اطلاعات آن بطور کامل طی دوره همه گیری کووید-۱۹ تهیه شده اند. همه افرادی که در این پژوهش شرکت کردند، پشت میز خود در "موسسه زیست شناسی سیستم های پزشکی برلین"(BIMSB) که قسمتی از انجمن هلمهولتز مراکز تحقیقاتی آلمان است، حضور نداشتند. آنها در خانه بودند و فقط بصورت دیجیتالی با یکدیگر ارتباط برقرار می کردند. بنا بر این از نظر فرانکه، این پروژه نشان میدهد که می توان ساختاری دیجیتالی را برای سهولت بخشیدن به پژوهش های علمی در این شرایط ایجاد کرد.
این پژوهش، در مجله "Genome Biology" به چاپ رسید.
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب