Método de aprendizaje profundo detecta biomarcadores de enfermedades

Los investigadores de la Universidad de Waterloo han desarrollado una red de aprendizaje profundo que puede detectar biomarcadores de enfermedades con un alto grado de precisión. Logra un 98 por ciento de detección de características de péptidos en un conjunto de datos, lo que significa que los científicos y expertos médicos tendrían una mayor oportunidad de descubrir enfermedades posibles a través del análisis de muestras de tejido.

Identificación de biomarcadores

Las técnicas existentes para detectar enfermedades implican el análisis de la estructura de proteínas de las muestras biológicas. Los programas informáticos desempeñan un papel importante en este proceso, ya que examinan la gran cantidad de datos producidos en las pruebas, que pueden utilizar para identificar marcadores específicos de enfermedades.

Fatema Tuz Zohora es una investigadora de doctorado en la Escuela de Ciencias de la Computación Cheriton.

“Pero los programas existentes a menudo son inexactos o pueden estar limitados por errores humanos en sus funciones subyacentes”, dijo Zohora.

“Lo que hemos hecho en nuestra investigación es crear una red neuronal profunda que logra un 98 por ciento de detección de características de péptidos en un conjunto de datos. Estamos trabajando para hacer que la detección de enfermedades sea más precisa para proporcionar a los profesionales de la salud las mejores herramientas”, continuó Zohora.

Los péptidos son cadenas de aminoácidos que componen las proteínas en el tejido humano, y estas pequeñas cadenas son donde a menudo se identifican los marcadores específicos de enfermedades. Si los investigadores pueden encontrar una mejor forma de probar, será posible detectar enfermedades con mayor precisión y mucho antes.

Red de aprendizaje profundo Pointlso

La nueva red de aprendizaje profundo desarrollada por el equipo se llama Pointlso, y es una forma de aprendizaje automático o inteligencia artificial que se entrenó en una base de datos masiva de secuencias existentes de muestras biológicas.

“Otros métodos para la detección de biomarcadores de enfermedades suelen tener muchos parámetros que deben establecerse manualmente por expertos en el campo”, dijo Zohora. “Pero nuestra red neuronal profunda aprende los parámetros ella misma, lo que es más preciso, y hace que el enfoque de descubrimiento de biomarcadores de enfermedades sea automático”.

Otro aspecto importante del programa es que no se entrena para buscar solo un tipo de enfermedad. En cambio, se entrena para identificar los biomarcadores asociados con varias enfermedades, como la enfermedad cardíaca, el cáncer y la COVID-19.

“Es aplicable para cualquier tipo de descubrimiento de biomarcadores de enfermedades”, dijo Zohora. “Y porque es esencialmente un modelo de reconocimiento de patrones, se puede utilizar para la detección de cualquier objeto pequeño dentro de una gran cantidad de datos. Hay muchas aplicaciones para la medicina y la ciencia; es emocionante ver las posibilidades que se abren a través de esta investigación y cómo puede ayudar a las personas”.