skip to Main Content
آشکار کردن علل پدیدار شدن سرطان و سایر بیماری ها با کمک یادگیری ماشین

آشکار کردن علل پدیدار شدن سرطان و سایر بیماری ها با کمک یادگیری ماشین

محققان دانشگاه پرینستون(Princeton University) ایالات متحده در تلاشند با کمک گرفتن از یادگیری ماشین، به تحلیل الگوهای مولکولی صدها بیماری پرداخته و به بینش‌های تازه‌ای در خصوص دلایل بروز و همچنین ویژگی‌های بیماری‌ها دست یابند. آنها در پژوهش خود قصد دارند از سیستم جدیدی استفاده کنند که هم اکنون در تمام جهان در دسترس است.

در روش‌های گذشته، تمرکز بر ژن‌های مرتبط با بیماری‌های خاصی بود، ولی این روش جدید از یادگیری ماشین برای یافتن الگوهای منحصر به‌ فرد فعالیت ژن استفاده می‌کند. در این روش محققان بیش از ۳۰۰ نوع بیماری مختلف از جمله انواع سرطان، بیماری‌های قلبی، اختلالات متابولیک و سایر بیماری‌ها را به صورت همزمان تحت بررسی قرار دادند. محققان باور دارند که این سیستم با پیشرفت بیشتر قادر است به پزشکان در تشخیص بهتر و دقیقتر بیماری، تنظیم و پیگیری اثر درمان‌ها و همچنین یافتن روش‌های درمانی جدید کمک کند.

محققان قصد دارند این سیستم که به “URSA”موسوم است را برای دریافت اطلاعاتی درباره فعالیت ژن‌های موجود در بافت‌های سالم و بیمار به کار بگیرند. آنها برای این کار هشت هزار نمونه مختلف بدست آمده طی فرآیند بافت‌برداری را مورد بررسی قرار خواهند داد. امکان دارد محققان با استفاده از این سیستم بتوانند نمونه‌های جدیدی را به ثبت رسانده و تحلیلی مرتبط به بیماری‌ها و بافت‌های متفاوت دریافت کنند. آنها برای تأیید یافته‌های بدست آمده، روی سلول‌های انسان آزمایش‌هایی انجام دادند و فعالیت ژن‌ها و اثر آنها بر فرآیندهای مربوط به سرطان را بررسی کردند.

سرپرست این پروژه “چاندرا تیسفلد “(Chandra Theesfeld) گفت: مقایسه نمونه‌ها با یکدیگر نوآوری واقعی است. بررسی تمامی نمونه‌ها در کنار هم، می‌تواند راهی برای تشخیص جنبه‌های منحصربه‌فرد ارائه دهد. با روش مذکور می‌توان به نکات جدیدی در مورد بیماری دست یافت و راه‌های جدیدی برای درمان آن کشف کرد. وی افزود: روشی که ما استفاده می‌کنیم مبتنی بر اطلاعاتی است که از نمونه‌های بافت بیمار به دست آمده‌اند؛ پس می توان نتیجه گرفت که روش ما براساس ژن‌هایی که همیشه مورد بررسی بوده‌اند صورت نمی‌گیرد. ما با کمک این ابزار می‌توانیم الگوی تغییر داده‌ها را به سادگی ردیابی کنیم.

به گفته تیسفلد در ScienceDaily، ۹۰ درصد ژن‌های مورد بررسی قرار گرفته تنها ۱۰ درصد ژن‌های انسان را مورد مطالعه قرار داده‌اند اما این ابزار جدید می‌تواند بقیه ژنوم‌های انسان را بررسی کند و یک مدل گسترده از بیماری را بر مبنای ژنوم شکل دهد. از این روش می‌توان برای بررسی بیماری‌های نادر نیز استفاده کرد و محققان در نظر دارند مدلی از نمونه‌های مورد نیاز ابداع کنند. تیسفلد در ادامه افزود: شاید یادگیری ماشین بتواند امکان آشکار کردن و رمزگشایی بیماری‌های نادر و پیچیده‌ای همچون سرطان را برای پزشکان فراهم کند.

نویسنده: منهدس میلاد یعقوبی
دانشجوی کارشناسی ارشد مهندسی پزشکی

Back To Top