Syvän oppimismenetelmä havaitsee tautitunnusmerkit

Waterloon yliopiston tutkijat ovat kehittäneet syvän oppimisen verkoston, joka voi havaita tautitunnusmerkit korkealla täsmällisyydellä. Se saavuttaa 98 prosentin havaintotarkkuuden peptidiominaisuuksissa tietokannassa, mikä tarkoittaa, että tutkijat ja lääkintäasiantuntijat voisivat löytää mahdollisia tauteja kudoksenäytteiden analyysin kautta.

Tautitunnusmerkkien tunnistaminen

Olemassa olevat tautien havaitsemiseen liittyvät menetelmät perustuvat bio-näytteiden proteiinirakenteen analyysiin. Tietokoneohjelmat ovat suuressa roolissa tässä prosessissa, koska ne tarkastelevat suurta määrää dataa, jota voidaan sitten käyttää tiettyjen tautien tunnusmerkkien tunnistamiseen.

Fatema Tuz Zohora on PhD-tutkija Cheritonin tietojenkäsittelytieteen koulussa.

“Mutta olemassa olevat ohjelmat ovat usein epätarkkoja tai voivat olla rajoittuneita ihmisen virheiden vuoksi niiden perustana olevissa funktioissa”, Zohora sanoi.

“Me olemme kehittäneet tutkimuksessamme syvän neuroverkoston, joka saavuttaa 98 prosentin havaintotarkkuuden peptidiominaisuuksissa tietokannassa. Pyrimme tekemään tautien havaitsemisesta tarkempaa antaaksemme terveydenhuollon ammattilaisille parhaat työkalut”, Zohora jatkoi.

Peptidit ovat aminohappojen ketjuja, jotka muodostavat proteiineja ihmiselimistössä, ja nämä pienet ketjut ovat usein tautien tunnusmerkkien tunnistamisen kohteena. Jos tutkijat voivat kehittää paremman testausmenetelmän, on mahdollista havaita tauteja tarkemmin ja aikaisemmin.

Pointlso Syvä Oppiminen Verkosto

Tutkijaryhmän kehittämä uusi syvä oppimisen verkosto on nimeltään Pointlso, ja se on muotoa koneoppimista tai tekoälyä, joka on koulutettu valtavassa tietokannassa olevista bio-näytteiden sekvensseistä.

“Muiden tautitunnusmerkkien havaitsemismenetelmien tavallisesti on paljon parametreja, jotka on asetettava manuaalisesti asiantuntijoiden toimesta”, Zohora sanoi. “Mutta meidän syvä neuroverkosto oppii nämä parametrit itse, mikä on tarkempaa ja tekee tautitunnusmerkkien löytämisen automaattiseksi.”

Ohjelman toinen tärkeä puoli on, että se ei ole koulutettu etsimään vain yhtä tautia. Sen sijaan se on koulutettu tunnistamaan useiden tautien, kuten sydän- ja verisuonitaudin, syövän ja COVID-19:n, tunnusmerkit.

“Se on sovellettavissa mihin tahansa tautitunnusmerkkien löytämiseen”, Zohora sanoi. “Ja koska se on perustuu mallintunnistusmalliin, sitä voidaan käyttää pienten kohteiden havaitsemiseen suuressa määrässä dataa. On niin monta soveltamismahdollisuutta lääketieteessä ja tieteessä; on jännittävää nähdä, miten tämä tutkimus avaa uusia mahdollisuuksia ja miten se voi auttaa ihmisiä.”