تاریخ انتشار : ۱۳۹۴/۰۷/۱۱ ساعت ۱۲:۰۴
کد مطلب : ۹۲۰۰۶
ژنتیک و رایانه به کمک درمان سرطان می‌آیند
گروه علمی: محققان می‌گویند ممکن است واکنش بدن بیماران مختلف که همگی دچار نوعی سرطان هستند نسبت به یک نوع درمان متفاوت باشد.
در چنین وضعی پزشکان در تشخیص و دانستن این که کدام روش درمان بهترین واکنش بدن را به دنبال خواهد داشت با مشکل مواجه می‌شوند. اگر تشخیص آنها درست باشد روند درمان بیمار رو به بهبود خواهد گذاشت.
در غیر این صورت ممکن است سلامت بیمار رو به وخامت بگذارد و حال او بدتر شود. اکنون شاید بتوان گفت محققان دانشگاه وسترن، پاسخ این سوال را یافته اند. آنها یک الگوریتم یادگیری ماشین (شاخه ای از هوش مصنوعی) طراحی کرده اند که اطلاعات ژنتیک را به منظور تعیین پاسخ محتمل ترین واکنش بدن به درمان فشرده سازی می کند و اجازه می دهد رژیم های درمانی بیش از پیش شخصی سازی شود.
پیتر روگان از مسئولان این تیم تحقیقاتی می گوید: هوش مصنوعی ابزاری قدرتمند برای پیش بینی نتایج درمانی است؛ زیرا در مجموع نگاهی به تعامل میان تمام ژن ها دارد. ما هر چقدر زودتر بتوانیم یک بیمار را با موثرترین دارو درمان کنیم، احتمال بیشتری برای درمان موثر و حتی بهبود کامل بیمار وجود دارد. محققان در این تحقیق مجموع 40 ژنی را که در 90 درصد مبتلایان به سرطان پستان یافت شده برای تجزیه و تحلیل داده هایی که از طریق کشت سلولی یا نمونه های بافت تومور 350 بیمار سرطانی به دست آمده مورد استفاده قرار دادند. تمام این بیماران یکی از دو داروی جمسیتابین یا پاسلیتاکسل را ـ که در شیمی درمانی به کار می رود ـ استفاده کرده بودند. آنها سپس این داده ها را به رایانه دادند تا با متراکم سازی و پردازش اطلاعات ارتباط بین دارو و ژن های بیمار را شناسایی کند. الگوریتم یادگیری ماشین آنها موفق شد مقاومت دارویی نسبت به جمسیتابین را با 82 درصد دقت و واکنش به پاسلیتاکسل را با 62 تا 71 درصد دقت پیش بینی کند.
در حال حاضر، محققان قصد دارند الگوریتم خود را اصلاح کنند و با دادن اطلاعات بیشتر به سیستم، دقت پیش بینی را افزایش دهند. این اولین بار نیست که از یادگیری ماشین برای درمان سرطان استفاده می شود. یک شرکت تازه تاسیس به نام دیپ ژنومیکس (Deep Genomics) ابتدای امسال با وارد کردن مجموعه ای از داده های بزرگ در رایانه به شناسایی دگرگونی ژن ها و جهش آنها در بیماری های مختلف ازجمله سرطان اقدام کرد که تاکنون چنین کاری انجام نشده بود. سال گذشته هم ناتان هان وون 15 ساله به خاطر طراحی ابزار یادگیری ماشین که به مطالعه جهش ژن های مخصوص مرتبط با سرطان پستان می پرداخت، موفق به دریافت جایزه اینتل شد.
در غیر این صورت ممکن است سلامت بیمار رو به وخامت بگذارد و حال او بدتر شود. اکنون شاید بتوان گفت محققان دانشگاه وسترن، پاسخ این سوال را یافته اند. آنها یک الگوریتم یادگیری ماشین (شاخه ای از هوش مصنوعی) طراحی کرده اند که اطلاعات ژنتیک را به منظور تعیین پاسخ محتمل ترین واکنش بدن به درمان فشرده سازی می کند و اجازه می دهد رژیم های درمانی بیش از پیش شخصی سازی شود.
پیتر روگان از مسئولان این تیم تحقیقاتی می گوید: هوش مصنوعی ابزاری قدرتمند برای پیش بینی نتایج درمانی است؛ زیرا در مجموع نگاهی به تعامل میان تمام ژن ها دارد. ما هر چقدر زودتر بتوانیم یک بیمار را با موثرترین دارو درمان کنیم، احتمال بیشتری برای درمان موثر و حتی بهبود کامل بیمار وجود دارد. محققان در این تحقیق مجموع 40 ژنی را که در 90 درصد مبتلایان به سرطان پستان یافت شده برای تجزیه و تحلیل داده هایی که از طریق کشت سلولی یا نمونه های بافت تومور 350 بیمار سرطانی به دست آمده مورد استفاده قرار دادند. تمام این بیماران یکی از دو داروی جمسیتابین یا پاسلیتاکسل را ـ که در شیمی درمانی به کار می رود ـ استفاده کرده بودند. آنها سپس این داده ها را به رایانه دادند تا با متراکم سازی و پردازش اطلاعات ارتباط بین دارو و ژن های بیمار را شناسایی کند. الگوریتم یادگیری ماشین آنها موفق شد مقاومت دارویی نسبت به جمسیتابین را با 82 درصد دقت و واکنش به پاسلیتاکسل را با 62 تا 71 درصد دقت پیش بینی کند.
در حال حاضر، محققان قصد دارند الگوریتم خود را اصلاح کنند و با دادن اطلاعات بیشتر به سیستم، دقت پیش بینی را افزایش دهند. این اولین بار نیست که از یادگیری ماشین برای درمان سرطان استفاده می شود. یک شرکت تازه تاسیس به نام دیپ ژنومیکس (Deep Genomics) ابتدای امسال با وارد کردن مجموعه ای از داده های بزرگ در رایانه به شناسایی دگرگونی ژن ها و جهش آنها در بیماری های مختلف ازجمله سرطان اقدام کرد که تاکنون چنین کاری انجام نشده بود. سال گذشته هم ناتان هان وون 15 ساله به خاطر طراحی ابزار یادگیری ماشین که به مطالعه جهش ژن های مخصوص مرتبط با سرطان پستان می پرداخت، موفق به دریافت جایزه اینتل شد.
مرجع : جام جم
