วิธีการเรียนรู้ลึกตรวจจับชีวสัญญาณของโรค

นักวิจัยจากมหาวิทยาลัยวอเตอร์ลู ได้พัฒนาระบบเครือข่ายการเรียนรู้ลึก ที่สามารถตรวจจับชีวสัญญาณของโรคได้อย่างแม่นยำ โดยสามารถตรวจจับลักษณะของเปปไทด์ได้ถึง 98 เปอร์เซ็นต์ในฐานข้อมูล ซึ่งหมายความว่านักวิทยาศาสตร์และผู้เชี่ยวชาญทางการแพทย์จะมีโอกาสค้นพบโรคที่เป็นไปได้มากขึ้นผ่านการวิเคราะห์ตัวอย่างเนื้อเยื่อ

การระบุชีวสัญญาณ

เทคนิคที่มีอยู่ในการตรวจจับโรคเกี่ยวข้องกับการวิเคราะห์โครงสร้างโปรตีนของตัวอย่างชีวภาพ โปรแกรมคอมพิวเตอร์มีบทบาทสำคัญในกระบวนการนี้ เนื่องจากพวกมันตรวจสอบปริมาณข้อมูลที่สร้างขึ้นในการทดสอบ ซึ่งสามารถใช้เพื่อระบุเครื่องหมายเฉพาะของโรคได้

ฟาเทมา ตุซ โซฮอรา เป็นนักวิจัยด้านปรัชญาดุษฎีบัณฑิตในโรงเรียนคอมพิวเตอร์วิทยาศาสตร์เชอร์ริตัน

“แต่โปรแกรมที่มีอยู่มักจะไม่แม่นยำหรืออาจถูกจำกัดโดยข้อผิดพลาดของมนุษย์ในฟังก์ชันพื้นฐาน” โซฮอรา กล่าว

“สิ่งที่เราทำในการวิจัยของเราคือการสร้างเครือข่ายการเรียนรู้ลึกที่สามารถตรวจจับลักษณะของเปปไทด์ได้ถึง 98 เปอร์เซ็นต์ในฐานข้อมูล เรากำลังทำงานเพื่อทำให้การตรวจจับโรคแม่นยำยิ่งขึ้น เพื่อให้ผู้ปฏิบัติงานด้านสุขภาพมีเครื่องมือที่ดีที่สุด” โซฮอรา กล่าวต่อ

เปปไทด์เป็นโซ่ของกรดอะมิโนที่ประกอบเป็นโปรตีนในเนื้อเยื่อของมนุษย์ และโซ่เล็กๆ เหล่านี้คือที่ที่เครื่องหมายเฉพาะของโรคมักจะถูกตรวจพบ หากนักวิจัยสามารถค้นหาวิธีการทดสอบที่ดีกว่า จะเป็นไปได้ที่จะตรวจจับโรคได้แม่นยำและเร็วขึ้น

เครือข่ายการเรียนรู้ลึก Pointlso

เครือข่ายการเรียนรู้ลึกใหม่ที่พัฒนาโดยทีมงานเรียกว่า Pointlso ซึ่งเป็นรูปแบบหนึ่งของการเรียนรู้ของเครื่องหรือปัญญาประดิษฐ์ที่ได้รับการฝึกฝนจากฐานข้อมูลขนาดใหญ่ของลำดับที่มีอยู่จากตัวอย่างชีวภาพ

“วิธีการตรวจจับชีวสัญญาณของโรคโดยทั่วไปมีหลายพารามิเตอร์ที่ต้องตั้งค่าด้วยตนเองโดยผู้เชี่ยวชาญในด้านนั้น” โซฮอรา กล่าว “แต่เครือข่ายการเรียนรู้ลึกของเราสามารถเรียนรู้พารามิเตอร์เหล่านั้นได้ด้วยตนเอง ซึ่งแม่นยำกว่า และทำให้การค้นพบชีวสัญญาณของโรคเป็นกระบวนการที่เป็นอัตโนมัติ”

อีกด้านหนึ่งของโปรแกรมที่สำคัญคือไม่ได้รับการฝึกฝนเพื่อหาชีวสัญญาณของโรคเพียงชนิดเดียว แต่ฝึกให้ระบุชีวสัญญาณที่เกี่ยวข้องกับโรคต่างๆ เช่น โรคหัวใจ โรคมะเร็ง และโควิด-19

“มันใช้ได้กับการค้นพบชีวสัญญาณของโรคใดๆ” โซฮอรา กล่าว “และเนื่องจากมันเป็นแบบจำลองการรู้จำรูปแบบ จึงสามารถใช้ในการตรวจจับวัตถุเล็กๆ ภายในข้อมูลจำนวนมาก มีหลายแอปพลิเคชันที่ใช้ในการแพทย์และวิทยาศาสตร์ มันทำให้เราตื่นเต้นที่จะเห็นโอกาสที่เปิดกว้างผ่านการวิจัยนี้และวิธีที่มันสามารถช่วยคนได้”