یک مدل یادگیری ماشینی که در فنلاند ساخته شده است می تواند به ما در درمان موثرتر سرطان کمک کند – ScienceDaily


وقتی متخصصان مراقبت های بهداشتی بیماران مبتلا به سرطان پیشرفته را درمان می کنند ، معمولاً لازم است از ترکیبی از روش های درمانی مختلف استفاده کنند. علاوه بر جراحی سرطان ، بیماران غالباً تحت پرتودرمانی ، دارو یا هر دو درمان می شوند.

این داروها می توانند با هم ترکیب شوند و داروهای مختلف بر روی سلولهای مختلف سرطانی تأثیر بگذارند. درمان های ترکیبی دارویی اغلب اثربخشی درمان را بهبود می بخشند و در صورت کاهش دوز داروها ، می توانند عوارض جانبی مضر را کاهش دهند. با این حال ، غربالگری آزمایشی ترکیبات دارویی بسیار کند و گران است و بنابراین اغلب نمی تواند مزایای کامل درمان ترکیبی را کشف کند. با کمک روش جدید یادگیری ماشین ، می توان بهترین ترکیبات را برای از بین بردن انتخاب سلولهای سرطانی با ترکیب ژنتیکی یا عملکردی خاص شناسایی کرد.

محققان دانشگاه آلتو ، دانشگاه هلسینکی و دانشگاه تورکو در فنلاند مدل یادگیری ماشینی را ایجاد کرده اند که به طور دقیق پیش بینی می کند که چگونه ترکیبات مختلف داروهای سرطانی انواع مختلف سلول های سرطانی را از بین می برد. مدل جدید هوش مصنوعی با مجموعه زیادی از داده های مطالعات قبلی که رابطه بین داروها و سلول های سرطانی را بررسی کرده است ، آموزش داده شده است. پروفسور یوهو روسو از دانشگاه آلتو گفت: “مدل یاد گرفته شده توسط ماشین در واقع یک توابع چند جمله ای است که از ریاضیات مدرسه شناخته می شود ، اما بسیار پیچیده است.”

نتایج این مطالعه در ژورنال منتشر شده است ارتباطات طبیعت، نشان می دهد که این مدل ارتباطی بین داروها و سلولهای سرطانی پیدا کرده است که قبلاً مشاهده نشده بودند. “مدل نتایج بسیار دقیق ارائه می دهد. به عنوان مثال ، مقادیر به اصطلاح ضریب همبستگی در آزمایشات ما بیش از 9/0 بود که نشان دهنده قابلیت اطمینان عالی است. ” در اندازه گیری های آزمایشی ، ضریب همبستگی 0.8-0.9 قابل اعتماد در نظر گرفته شده است.

این مدل به طور دقیق پیش بینی می کند که چگونه یک ترکیب دارویی به طور انتخابی سلولهای خاص سرطانی را مهار می کند در حالی که قبلاً اثر ترکیب دارو بر روی این نوع سرطان آزمایش نشده است. محقق Tero Aitokalio از انستیتوی پزشکی مولکولی در فنلاند (FIMM) در دانشگاه هلسینکی گفت: “این به محققان سرطان کمک می کند تا اولویت انتخاب ترکیبات دارویی را از بین هزاران گزینه برای تحقیقات بیشتر انتخاب کنند.”

برای بیماریهای غیر سرطانی می توان از همین روش یادگیری ماشین استفاده کرد. در این حالت ، مدل باید با داده های مربوط به این بیماری آموزش داده شود. به عنوان مثال ، از این مدل می توان برای بررسی چگونگی تأثیر ترکیبات مختلف آنتی بیوتیک بر عفونتهای باکتریایی یا تأثیر موثر ترکیبات مختلف داروها در از بین بردن سلولهای آلوده به ویروس کرونا ویروس SARS-Cov-2 استفاده کرد.

منبع تاریخچه:

مواد تهیه شده توسط دانشگاه آلتو. توجه: مطالب را می توان از نظر سبک و طول ویرایش کرد.


منبع: khabar-erfan.ir

دیدگاهتان را بنویسید

Comment
Name*
Mail*
Website*