Syvän oppimisen menetelmä havaitsee tautien biomerkinnät

Waterloon yliopiston tutkijat ovat kehittäneet syvän oppimisen verkoston, joka voi havaita tautien biomerkinnät korkealla tarkkuudella. Se saavuttaa 98 prosentin havaintoon peptidiominaisuuksista tietojoukossa, mikä tarkoittaa, että tutkijat ja lääkärit voisivat havaita mahdollisia tauteja kudoksenäytteiden analyysin kautta.

Biomerkintöjen tunnistaminen

Olemassa olevat tautien havaitsemismenetelmät käyttävät bio-näytteiden proteiinirakenteen analyysiä. Tietokoneohjelmat ovat suuressa roolissa tässä prosessissa, koska ne tarkastelevat suurta määrää dataa, jota voidaan sitten käyttää tiettyjen tautien merkintöjen 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 perustuvissa toiminnossa”, Zohora sanoi.

“Mitä olemme tehneet tutkimuksessamme, on luonut syvän neuroverkoston, joka saavuttaa 98 prosentin havaintoon peptidiominaisuuksista tietojoukossa. Pyrimme tekemään tautien havaitsemisesta tarkempaa antaaksemme terveydenhuollon ammattilaisille parhaat työkalut”, Zohora jatkoi.

Peptidit ovat aminohappojen ketjuja, jotka muodostavat proteiineja ihmisen kudoksissa, ja nämä pienet ketjut ovat usein tautien merkintöjen tunnistamisen kohteena. Jos tutkijat keksivät paremman testausmenetelmän, olisi mahdollista havaita tauteja tarkemmin ja aikaisemmin.

Pointlso Syvä Oppimisen Verkosto

Tutkijaryhmän kehittämä uusi syvä oppimisen verkosto on nimeltään Pointlso, ja se on muoto machine learningiä tai tekoälyä, joka on koulutettu massiivisella tietokannalla olemassa olevista bio-näytteiden jaksosta.

“Muiden tautien biomerkintöjen havaitsemismenetelmien on usein paljon parametreja, jotka on asetettava manuaalisesti asiantuntijoiden toimesta”, Zohora sanoi. “Mutta meidän syvä neuroverkosto oppii parametreja itse, mikä on tarkempaa, ja tekee tautien biomerkintöjen 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 sydäntaudin, syövän ja COVID-19:n, biomerkinnät.

“Se on sovellettavissa mihin tahansa tautien biomerkintöjen löytämiseen”, Zohora sanoi. “Ja koska se on perimmältään mallintunnistusmalli, sitä voidaan käyttää pienten kohteiden havaitsemiseen suuressa määrässä dataa. On niin monta sovellusta lääketieteessä ja tieteessä; on jännittävää nähdä, miten mahdollisuudet aukeavat tämän tutkimuksen kautta ja miten se voi auttaa ihmisiä.”