Derin Öğrenme Yöntemi Hastalık Biyobelirteçlerini Tanır

Waterloo Üniversitesi’ndeki araştırmacılar derin öğrenme ağı geliştirdiler ve bu ağ, hastalık biyobelirteçlerini yüksek bir doğruluk oranıyla tespit edebiliyor. Peptit özelliklerinin veri setindeki tespit oranı %98’e ulaşıyor ve bu da bilim insanlarının ve tıbbi uzmanların doku örnekleri analiz ederek olası hastalıkları keşfetme şansını artırıyor.

Hastalık Biyobelirteçlerinin Tanınması

Hastalıkları tespit etmek için kullanılan mevcut teknikler, biyolojik örneklerin protein yapısını analiz etmeyi içerir. Bilgisayar programları bu süreçte büyük bir rol oynar, çünkü büyük miktarda veri üretilen testleri inceleyerek belirli hastalık belirteçlerini tanımlayabilirler.

Fatema Tuz Zohora, Cheriton Bilgisayar Bilimi Okulu’nda doktora araştırmacısıdır.

“Ancak mevcut programlar genellikle yanlış veya temel işlevlerinde insan hatası nedeniyle sınırlı olabilir” dedi Zohora.

“Araştırmamızda, peptit özelliklerinin veri setindeki %98’ini tespit edebilen bir derin sinir ağı oluşturduk. Hastalık tespitini daha doğru hale getirmek ve sağlık uzmanlarına en iyi araçları sağlamak için çalışıyoruz” diye devam etti Zohora.

Peptitler, insan dokusundaki proteinleri oluşturan amino asit zincirleridir ve bu küçük zincirlerde genellikle hastalık belirteçleri tanımlanır. Araştırmacılar test etme yöntemini geliştirebilirlerse, hastalıkları daha doğru ve daha erken tespit etmek mümkün olacaktır.

Pointlso Derin Öğrenme Ağı

Ekibin geliştirdiği yeni derin öğrenme ağı Pointlso olarak adlandırılmaktadır ve bu, büyük bir biyolojik örnek veritabanından elde edilen mevcut dizilerin üzerine eğitilmiş bir makine öğrenimi veya yapay zeka formudur.

“Hastalık biyobelirteçlerini tespit etmek için kullanılan diğer yöntemler genellikle elle ayarlanması gereken birçok parametreye sahiptir” dedi Zohora. “Ancak bizim derin sinir ağı, bu parametreleri kendisi öğrenir, bu da daha doğru ve otomatik bir hastalık biyobelirteci keşif yaklaşımı sağlar.”

Programın bir başka önemli yönü, yalnızca bir tür hastalık için eğitilmemiş olmasıdır. Bunun yerine, kalp hastalığı, kanser ve COVID-19 gibi çeşitli hastalıklarla ilgili biyobelirteçleri tanımlamak için eğitilmiştir.

“Her türlü hastalık biyobelirteci keşfi için uygulanabilir” dedi Zohora. “Ve temelde bir desen tanıma modeli olduğu için, büyük miktarda verideki küçük nesnelerin tespiti için kullanılabilir. Tıp ve bilim için çok fazla uygulama var ve bu araştırmayla ortaya çıkan olanakları görmek ve insanların nasıl yardım edebileceğini görmek heyecan verici.”