Tiefes Lernen zur Erkennung von Krankheits-Biomarkern

Forscher an der University of Waterloo haben ein tiefes Lernnetzwerk entwickelt, das Krankheits-Biomarker mit hoher Genauigkeit erkennen kann. Es erreicht eine 98-prozentige Erkennung von Peptid-Merkmalen in einem Datensatz, was bedeutet, dass Wissenschaftler und medizinische Experten eine größere Chance haben, mögliche Krankheiten durch die Analyse von Gewebeproben zu entdecken.

Erkennung von Biomarkern

Bestehende Techniken zur Erkennung von Krankheiten umfassen die Analyse der Proteinstruktur von Bio-Proben. Computerprogramme spielen eine große Rolle in diesem Prozess, da sie die große Menge an Daten untersuchen, die bei den Tests produziert wird, und diese dann verwenden, um spezifische Krankheitsmerkmale zu identifizieren.

Fatema Tuz Zohora ist eine PhD-Forscherin an der Cheriton School of Computer Science.

“Aber bestehende Programme sind oft ungenau oder können durch menschliche Fehler in ihren zugrunde liegenden Funktionen eingeschränkt sein”, sagte Zohora.

“Was wir in unserer Forschung getan haben, ist, ein tiefes neuronales Netzwerk zu erstellen, das eine 98-prozentige Erkennung von Peptid-Merkmalen in einem Datensatz erreicht. Wir arbeiten daran, die Krankheitserkennung genauer zu machen, um den Gesundheitsfachleuten die besten Werkzeuge zu bieten”, fuhr Zohora fort.

Peptide sind Ketten von Aminosäuren, die Proteine in menschlichem Gewebe bilden, und diese kleinen Ketten sind oft die Orte, an denen spezifische Krankheitsmerkmale identifiziert werden. Wenn Forscher eine bessere Methode zur Überprüfung entwickeln können, wird es möglich sein, Krankheiten mit größerer Genauigkeit und viel früher zu erkennen.

Pointlso-Tiefes Lernnetzwerk

Das neue tiefe Lernnetzwerk, das von dem Team entwickelt wurde, heißt Pointlso und ist eine Form des maschinellen Lernens oder der künstlichen Intelligenz, die auf einer riesigen Datenbank von bestehenden Sequenzen aus Bio-Proben trainiert wurde.

“Andere Methoden zur Erkennung von Krankheits-Biomarkern haben normalerweise viele Parameter, die von Fachexperten manuell eingestellt werden müssen”, sagte Zohora. “Aber unser tiefes neuronales Netzwerk lernt die Parameter selbst, was genauer ist und den Ansatz zur Entdeckung von Krankheits-Biomarkern automatisiert.”

Ein weiterer wichtiger Aspekt des Programms ist, dass es nicht darauf trainiert ist, nur eine Art von Krankheit zu erkennen. Stattdessen wird es trainiert, die Biomarker zu identifizieren, die mit verschiedenen Krankheiten wie Herz-Kreislauf-Erkrankungen, Krebs und COVID-19 verbunden sind.

“Es ist anwendbar für die Entdeckung von Biomarkern für jede Art von Krankheit”, sagte Zohora. “Und weil es im Wesentlichen ein Muster-Erkennungsmodell ist, kann es zur Erkennung von kleinen Objekten in einer großen Menge an Daten verwendet werden. Es gibt so viele Anwendungen für Medizin und Wissenschaft; es ist aufregend, die Möglichkeiten zu sehen, die sich durch diese Forschung eröffnen und wie sie Menschen helfen können.”