هوش مصنوعی به کمک تشخیص جهش‌های سرطانی می‌آید

طبق آنچه در گزارش روزنامه استریتس تایمز آمده، این روش که شبکه واریانت Variant Network (VarNet) نام دارد از یادگیری عمیق برای تشخیص جهش‌های سرطانی استفاده می‌کند. این مورد توسط دانشمندان موسسه ژنوم سنگاپور (GIS)، یک موسسه تحقیقاتی زیر نظر آژانس علم، فناوری و تحقیقات، توسعه یافته است.

دکتر اندرس اسکندروپ، رهبر گروه آزمایشگاه ژنومیک سرطان محاسباتی GIS، گفت: «به طور کلی تصور می‌شود که سرطان ناشی از جهش در ژنوم ما است، و شناسایی این جهش‌ها برای ایجاد مؤثرترین درمان برای بیماران امری ضروری است».

به گزارش اقتصاددان به نقل از تجارت نیوز  ،   او گفت که در راستای رویکرد پزشکی دقیق – که در آن درمان پزشکی بر اساس عواملی مانند تغییرات ژنتیکی و محیطی برای فرد تنظیم می‌شود – داروهای تجویز‌شده برای درمان سرطان تنها زمانی کار می‌کنند که جهش‌های خاصی وجود داشته باشد.

او افزود که هنگام شناسایی جهش‌های سرطانی به دقت بالایی نیاز است.

« شبکه واریانت» VarNet برای شناسایی جهش‌ها از طریق قرار گرفتن در معرض میلیون‌ها جهش سرطانی و همچنین نمونه‌هایی از جهش‌های سرطانی کاذب، برای شناسایی دقیق آموزش دیده است.

دکتر اسکندروپ به The Straits Times گفت که این به VarNet امکان می‌دهد جهش‌های واقعی را در عین نادیده گرفتن جهش‌های نادرست شناسایی کند.

مقاله ای که در مجله علمی معتبر Nature Communications در جولای ۲۰۲۲ منتشر شد، نشان داد که VarNet اغلب از نظر دقت از الگوریتمهای شناسایی جهش موجود فراتر می‌رود.

او گفت در حالی که روش‌های دیگر مبتنی بر هوش مصنوعی برای تشخیص جهش‌های سرطانی وجود دارد، این روش‌ها به شدت به متخصصان انسانی متکی هستند که مقادیر زیادی از داده‌های آموزشی دقیق را به مدل‌ها ارائه می‌دهند تا آنها را برای شناسایی جهش‌ها آموزش دهند.

یادگیری عمیق، یک روش هوش مصنوعی

یادگیری عمیق – یک روش هوش مصنوعی است که در آن به کامپیوترها آموزش داده می‌شود که داده‌ها را با روشی شبیه مغز انسان پردازش کنند – به VarNet اجازه می‌دهد بین جهش‌های واقعی و کاذب تمایز قائل شود و اساساً قوانین انجام این کار را با حداقل مداخله انسانی به خود آموزش می‌دهد.

نویسنده اول این مقاله کیران کریشناماچاری – محقق وابسته به GIS – خاطرنشان کرد که VarNet قادر است جهش‌ها را از داده‌های خام به روشی که یک متخصص انسانی هنگام بازرسی دستی جهش‌های احتمالی انجام می‌دهد، بیاموزد.

در حالی که انسان ها قادر به شناسایی دقیق جهش های سرطانی هستند، این اغلب یک کار وقت گیر است.

دکتر اسکندروپ که همچنین نویسنده همکار این مقاله است، گفت که یک رویکرد مبتنی بر هوش مصنوعی می تواند به طور بالقوه همان کار را در کل سه میلیارد نوکلئوتید در ژنوم انسان در کسری از زمانی که یک متخصص انسانی نیاز دارد، انجام دهد.

برای این مقاله تحقیقاتی، VarNet بر روی داده‌های بیش از ۳۰۰ ژنوم طبیعی و تومور مشابه شامل هفت نوع سرطان – ریه، سارکوم، کولورکتال، لنفوم، تیروئید، کبد و معده آموزش دید.

داده‌های آموزشی از داده‌های از بیمارستان ها و موسسات تحقیقاتی، از جمله بیمارستان ملی دانشگاه سنگاپور و مرکز ملی سرطان سنگاپور، و همچنین برنامه ژنومیک سرطان ایالات متحده، Cancer Genome Atlas، تولید شده است.

دکتر اسکندروپ گفت که کد منبع VarNet قبلاً به صورت آنلاین در دسترس جامعه تحقیقاتی بین‌المللی قرار گرفته است که اعضای آن در حال استفاده از آن هستند و یافته‌های خود را در مقالات گزارش می‌کنند، و افزود که تیم او همچنین در حال کار با دیگران در آزمایش این فناوری در تحقیقات بالینی است.

او گفت در حالی که روش‌های هوش مصنوعی مانند VarNet جایگزین پزشکان انسانی نمی‌شوند، اما می‌توانند اطلاعات دقیق‌تر و دقیق‌تری را در اختیار پزشکان قرار دهند تا بر اساس آنها عمل کنند.

«ما در مورد آزمایش احتمالی بیشتر این سیستم و در نهایت انتقال آن به کلینیک‌ها برای تنظیم دقیق‌تر استراتژی‌های درمانی برای بیماران بسیار مشتاق و هیجان‌زده هستیم.»

سرطان شایع‌ترین علت مرگ و میر در سنگاپور است که ۲۳٫۹ درصد از مرگ و میرها را در سال ۲۰۲۲ به خود اختصاص داده است. طبق گزارش سالانه ثبت سرطان سنگاپور در سال ۲۰۲۰، ۸۰۷۵۳ مورد سرطان در اینجا بین سال های ۲۰۱۶ و ۲۰۲۰ گزارش شده است.