در غیر این صورت ممکن است سلامت بیمار رو به وخامت بگذارد و حال او بدتر شود. اکنون شاید بتوان گفت محققان دانشگاه وسترن، پاسخ این سوال را یافتهاند. آنها یک الگوریتم یادگیری ماشین (شاخهای از هوش مصنوعی) طراحی کردهاند که اطلاعات ژنتیک را به منظور تعیین پاسخ محتملترین واکنش بدن به درمان فشردهسازی میکند و اجازه میدهد رژیمهای درمانی بیش از پیش شخصیسازی شود.
پیتر روگان از مسئولان این تیم تحقیقاتی میگوید: هوش مصنوعی ابزاری قدرتمند برای پیشبینی نتایج درمانی است؛ زیرا در مجموع نگاهی به تعامل میان تمام ژنها دارد. ما هر چقدر زودتر بتوانیم یک بیمار را با موثرترین دارو درمان کنیم، احتمال بیشتری برای درمان موثر و حتی بهبود کامل بیمار وجود دارد. محققان در این تحقیق مجموع 40 ژنی را که در 90 درصد مبتلایان به سرطان پستان یافت شده برای تجزیه و تحلیل دادههایی که از طریق کشت سلولی یا نمونههای بافت تومور 350 بیمار سرطانی به دست آمده مورد استفاده قرار دادند. تمام این بیماران یکی از دو داروی جمسیتابین یا پاسلیتاکسل را ـ که در شیمی درمانی به کار میرود ـ استفاده کرده بودند. آنها سپس این دادهها را به رایانه دادند تا با متراکمسازی و پردازش اطلاعات ارتباط بین دارو و ژنهای بیمار را شناسایی کند. الگوریتم یادگیری ماشین آنها موفق شد مقاومت دارویی نسبت به جمسیتابین را با 82 درصد دقت و واکنش به پاسلیتاکسل را با 62 تا 71 درصد دقت پیشبینی کند.
در حال حاضر، محققان قصد دارند الگوریتم خود را اصلاح کنند و با دادن اطلاعات بیشتر به سیستم، دقت پیشبینی را افزایش دهند. این اولین بار نیست که از یادگیری ماشین برای درمان سرطان استفاده میشود. یک شرکت تازه تاسیس به نام دیپ ژنومیکس (Deep Genomics) ابتدای امسال با وارد کردن مجموعهای از دادههای بزرگ در رایانه به شناسایی دگرگونی ژنها و جهش آنها در بیماریهای مختلف ازجمله سرطان اقدام کرد که تاکنون چنین کاری انجام نشده بود. سال گذشته هم ناتان هان وون 15 ساله به خاطر طراحی ابزار یادگیری ماشین که به مطالعه جهش ژنهای مخصوص مرتبط با سرطان پستان میپرداخت، موفق به دریافت جایزه اینتل شد.
مترجم: آتنا حسنآبادی
جامجم
منبع: Gizmag
در یادداشتی اختصاصی برای جام جم آنلاین مطرح شد
یک کارشناس روابط بینالملل در گفتگو با جامجمآنلاین مطرح کرد
در گفتگو با جام جم آنلاین مطرح شد
در گفتگو با جام جم آنلاین مطرح شد