طريقة التعلم العميق لتحديد علامات الأمراض

قام باحثون في جامعة واترلو ب开发 شبكة تعلم عميق يمكنها الكشف عن علامات الأمراض بدقة عالية. وتحقق نسبة الكشف بنسبة 98 في المائة عن ميزات الببتيد في قاعدة بيانات ، مما يعني أن العلماء والخبراء الطبيين سيكونون أكثر فرصًا لاكتشاف الأمراض المحتملة من خلال تحليل عينات الأنسجة.

تحديد العلامات البيولوجية

تتضمن التقنيات الحالية لاكتشاف الأمراض تحليل هيكل البروتين للعينات البيولوجية. تلعب البرامج الحاسوبية دورًا كبيرًا في هذه العملية حيث تتحقق من الكمية الكبيرة من البيانات التي تنتجها الاختبارات ، والتي يمكن استخدامها لتحديد علامات محددة للأمراض.

فاطمة توز زوهورا باحثة دكتوراه في مدرسة تشيريتون للعلوم الحاسوبية.

“لكن البرامج الحالية غالبًا ما تكون غير دقيقة أو يمكن أن تكون مقيدة بالخطأ البشري في وظائفها الأساسية” ، сказала زوهورا.

“ما قمنا به في بحثنا هو إنشاء شبكة عصبونية عميقة تحقق نسبة كشف 98 في المائة لميزات الببتيد في قاعدة بيانات. نحن نعمل على جعل اكتشاف الأمراض أكثر دقة لتزويد ممارسي الرعاية الصحية بأفضل الأدوات” ، продолжила زوهора.

الببتيدات هي سلاسل من الأحماض الأمينية التي تتكون منها البروتينات في الأنسجة البشرية ، وهذه السلاسل القصيرة هي حيث يتم تحديد علامات الأمراض غالبًا. إذا تمكن الباحثون من إيجاد طريقة أفضل للاختبار ، فسيتمكنون من الكشف عن الأمراض بدقة أكبر وبكفاءة أكبر.

شبكة التعلم العميق Pointlso

الشبكة الجديدة لتعلم الآلة التي طوّرها الفريق تسمى Pointlso ، وهي شكل من أشكال التعلم الآلي أو الذكاء الاصطناعي التي تم تدريبها على قاعدة بيانات ضخمة من التسلسلات الحالية من العينات البيولوجية.

“الطرق الأخرى لاكتشاف علامات الأمراض غالبًا ما تحتوي على العديد من المعاملات التي يجب ضبطها يدويًا بواسطة خبراء المجال” ، قالت زوهورا. “لكن شبكتنا العصبونية الاصطناعية تتعلم المعاملات نفسها ، مما يجعل اكتشاف علامات الأمراض أكثر دقة ويجعل نهج اكتشاف علامات الأمراض آليًا”.

جانب آخر مهم من البرنامج هو أنه لا يتم تدريبه على البحث عن نوع واحد فقط من الأمراض. بدلاً من ذلك ، يتم تدريبه على تحديد علامات الأمراض المرتبطة بأمراض مختلفة ، مثل أمراض القلب والسرطان ومرض كوفيد-19.

“يمكن تطبيقها على أي نوع من اكتشاف علامات الأمراض” ، قالت زوهورا. “و لأنها في الأساس نموذج للتعرف على الأنماط ، يمكن استخدامها لاكتشاف أي كائنات صغيرة داخل كمية كبيرة من البيانات. هناك العديد من التطبيقات للطب والعلوم ؛ من المثير أن نرى الإمكانيات التي تفتحها هذه الأبحاث وكيف يمكن أن تساعد الناس”.