Il metodo di apprendimento approfondito rileva i biomarcatori della malattia

Ricercatori dell'Università di Waterloo hanno sviluppato una rete di deep learning in grado di rilevare i biomarcatori della malattia con un alto grado di accuratezza. Raggiunge il 98% di rilevamento delle caratteristiche dei peptidi in un set di dati, il che significa che scienziati ed esperti medici avrebbero maggiori possibilità di scoprire possibili malattie attraverso l'analisi di campioni di tessuto.

Identificare i biomarcatori 

Le tecniche esistenti per rilevare le malattie implicano l'analisi della struttura proteica dei campioni biologici. I programmi per computer svolgono un ruolo importante in questo processo poiché esaminano la grande quantità di dati prodotti nei test, che possono quindi utilizzare per identificare marcatori specifici della malattia. 

Fatema Tuz Zohora è una ricercatrice PhD presso la Cheriton School of Computer Science. 

"Ma i programmi esistenti sono spesso imprecisi o possono essere limitati da errori umani nelle loro funzioni sottostanti", ha affermato Zohora.

"Quello che abbiamo fatto nella nostra ricerca è stato creare una rete neurale profonda che raggiunge il 98% di rilevamento delle caratteristiche dei peptidi in un set di dati. Stiamo lavorando per rendere il rilevamento delle malattie più accurato e fornire agli operatori sanitari gli strumenti migliori", ha continuato Zohora. 

I peptidi sono catene di amminoacidi che costituiscono le proteine ​​nel tessuto umano, e queste piccole catene sono dove spesso vengono identificati marcatori specifici della malattia. Se i ricercatori riescono a trovare un modo migliore di testare, sarà possibile rilevare le malattie con maggiore precisione e molto prima.

Rete di apprendimento profondo Pointlso

La nuova rete di deep learning sviluppata dal team si chiama Pointlso, ed è una forma di machine learning o intelligenza artificiale addestrata su un enorme database di sequenze esistenti da campioni biologici.

"Altri metodi per il rilevamento di biomarcatori di malattie di solito hanno molti parametri che devono essere impostati manualmente da esperti sul campo", ha affermato Zohora. "Ma la nostra rete neurale profonda apprende i parametri stessi, che è più accurato, e rende automatizzato l'approccio alla scoperta dei biomarcatori della malattia".

Un altro aspetto importante del programma è che non è addestrato a cercare un solo tipo di malattia. Invece, è addestrato per identificare i biomarcatori associati a varie malattie, come malattie cardiache, cancro e COVID-19.

"È applicabile a qualsiasi tipo di scoperta di biomarcatori di malattia", ha affermato Zohora. "E poiché si tratta essenzialmente di un modello di riconoscimento di pattern, può essere utilizzato per rilevare qualsiasi piccolo oggetto all'interno di una grande quantità di dati. Le applicazioni per la medicina e la scienza sono innumerevoli; è entusiasmante vedere le possibilità che si aprono grazie a questa ricerca e come può aiutare le persone".