شفقنا – محققان مؤسسه امآیتی و هاروارد موفق به توسعه مدل جدیدی از هوش مصنوعی شدهاند که میتواند با تحلیل همزمان لایههای مختلف یک سلول، دیدگاهی جامع و «طب کلنگر» از وضعیت سلامت یا بیماری آن ارائه دهد.
به گزارش سرویس ترجمه شفقنا، این فناوری پیشرفته برخلاف روشهای سنتی، قادر است تشخیص دهد کدام بخش از اطلاعات سلولی در میان آزمایشهای مختلف مشترک است و کدام دادهها منحصر به یک روش اندازهگیری خاص هستند؛ توانمندی نابی که میتواند مسیر درک مکانیسم بیماریهای پیچیدهای چون سرطان، آلزایمر و دیابت را هموار کند.
سلولها ساختارهای بهشدت پیچیدهای دارند و مطالعه آنها معمولاً نیازمند روشهای اندازهگیری متعددی است. برای مثال، بررسی پروتئینها اطلاعات متفاوتی نسبت به بررسی بیان ژنها یا شکل ظاهری سلول (مورفولوژی) ارائه میدهد. دانشمندان تا پیش از این ناچار بودند چندین آزمایش جداگانه انجام داده و نتایج را یکییکی تحلیل کنند که فرآیندی بسیار کند و طاقتفرسا بود. اگرچه مدلهای یادگیری ماشین قبلی سرعت کار را بالا برده بودند، اما آنها تمام دادهها را با هم ترکیب میکردند و مشخص نمیشد که هر قطعه از اطلاعات دقیقاً مربوط به کدام بخش یا فرآیند سلولی است.
تیم تحقیقاتی موسسه بورد و دانشگاه زوریخ، با انتشار مقالهای مدلی را معرفی کردند که مانند یک «نمودار ون» (ابزار بصری برای نمایش رابطه بین مجموعهها) عمل میکند؛ این هوش مصنوعی میتواند دادههای ورودی را دستهبندی کرده و بگوید کدام اطلاعات بین روشهای مختلف مشترک است و کدام اطلاعات فقط توسط یک روش خاص ثبت شده است.
ژینی ژانگ، نویسنده اصلی این تحقیق، توضیح میدهد که اگرچه ما روشهای مختلفی برای نگاه کردن به سلول داریم، اما در نهایت با «یک وضعیت سلولی واحد» روبرو هستیم و این مدل به ما کمک میکند تا قطعات این پازل را به شکلی هوشمندانه کنار هم بگذاریم.
کاربرد این فناوری در دنیای پزشکی بسیار گسترده است. در آزمایشهای انجام شده، این مدل توانست به درستی نشانگرهای پروتئینی مربوط به آسیب دیانای را در بیماران سرطانی شناسایی کند. این موضوع به پزشکان کمک میکند تا بدانند برای ردیابی یک بیماری خاص، دقیقاً باید از کدام تکنیک اندازهگیری استفاده کنند و از انجام آزمایشهای پرهزینه و غیرضروری اجتناب کنند.
پروفسور کارولین اولر، از مدیران این پروژه، تأکید میکند که با توجه به تنوع بیشمار لایههای سلولی، ما نمیتوانیم همه چیز را همزمان اندازه بگیریم؛ بنابراین به ابزاری نیاز داریم که به ما بگوید کدام بخشها را اندازه بگیریم و کدام بخشها را از طریق هوش مصنوعی پیشبینی کنیم. محققان امیدوارند در آینده با استفاده از این مدل، به درک عمیقتری از نحوه تعامل اجزای مختلف سلول با یکدیگر و چگونگی پیشرفت بیماریهای متابولیک و عصبی دست یابند.
این خبر را اینجا ببینید.