پایگاه‌های داده زیستیتشخیص پزشکیهوش مصنوعی

استفاده مایکروسافت از هوش مصنوعی در پزشکی دقیق

مایکروسافت در همکاری با محققان آزمایشگاه جکسون قصد دارد با استفاده از هوش مصنوعی ابزاری تولید کند که پزشکی دقیق را در سرطان پیش ببرد؛ هدف از این همکاری تسریع در پزشکی دقیق و بهبود مراقبت از بیماران اعلام شده است.


آزمایشگاه جکسون از تکنولوژی هوش مصنوعی و یادگیری ماشین برای تجزیه‌ و‌‌ تحلیل اسناد پیچیده پزشکی و تحقیقاتی استفاده می‌کند. این آزمایشگاه اخیراً ابزاری به نام پایگاه دانش بالینی (Clinical Knowledge base) ایجاد کرده‌است که یک پایگاه داده قابل جستجو بوده و داده‌های ژنومی را برای به اشتراک گذاشتن اطلاعات در مورد کارآزمایی‌های بالینی و گزینه‌های درمانی، ذخیره، مرتب‌سازی و تفسیر می‌کنند.

این تیم در تلاش است تا برای استخراج اطلاعات مربوط به سرطان از 4000 مقاله پژوهشی زیست‌ پزشکی کمک بگیرد. مکوس -مدیر توسعه بازار بالینی ژنومی ژنتیک با جکسون- گفت: “از آنجا که داده‌ها و پیچیدگی‌های زیادی وجود دارد، بدون استفاده از هوش مصنوعی و یادگیری ماشین، تفسیر داده‌ها مقدور نخواهد بود.” این تیم مطالعاتی با همکاری هم قصد دارند ابزارهای یادگیری ماشین را تولید کنند که می‌تواند اطلاعات مهمی را در زمینه‌های خاص مانند سرطان‌شناسی بالینی شناسایی و برجسته سازد؛ به اعتقاد پیتر لی -معاون رئیس شرکت مایکروسافت در بخش درمان- به ابزار و تکنولوژی نیاز است تا مطالعات جدید را بررسی کرده و به محققان برای پاسخ به سوالات مورد پرسش در انتهای هر مطالعه کمک کند.

 این تیم مطالعاتی با کمک یادگیری ماشین قادر خواهند بود اطلاعات مربوط به جهش‌های ژنتیکی را که منجر به سرطان و پاسخ به درمان در بیماران مبتلا به سرطان می‌شود، ذخیره کنند. این پایگاه داده به انکولوژیست‌ها کمک می‌کند تا بدانند که بین جهش‌های ژنومی مرتبط با سرطان و داروهایی که آن‌ها را هدف قرار می‌دهند، چه تطابقی وجود دارد و به ارائه‌دهندگان امکان می‌دهد مناسب‌ترین روش درمانی را انتخاب کنند.

با کمک این ابزار اطلاعات مربوط به ژن، جهش ژنومی، دارو و پاسخ بیمار در مطالعات متفاوت مشخص می‌شود. سپس محققان می‌توانند روی مقالات مهم تمرکز کنند. محققان باید الگوریتم‌های یادگیری ماشین را آموزش دهند تا ضمن فیلتر اطلاعات نامربوط، همه اطلاعات بالقوه مربوط را بدست آورند تا روند فرایند درمانی کارآمدتر شود. همچنین، آن‌ها باید فراتر از روش‌های سنتی آموزش مدل‌های یادگیری ماشین باشند.

این تیم، رویکرد خود-نظارتی را بر آموزش ابزارهای یادگیری ماشین اتخاذ خواهد کرد که به محققان کمک می‌کند تا به‌طور خودکار نمونه‌های مطالعاتی را با استفاده از دانش قبلی موجود در پایگاه‌های داده برجسته سازند.

محققان مایکروسافت از طریق همکاری با JAX می توانند اثربخشی فناوری یادگیری ماشین را ارتقا دهند و به بازنگری در عملکرد این تکنولوژی به محققان JAX کمک کنند؛ چراکه بازخورد محققان JAX به محققان مایکروسافت کمک می‌کند تا الگوریتم‌ها را دقیق‌تر کرده و دامنه CKB را گسترش دهند.

توسط
healthitanalytics
برچسب‌ها
نمایش بیشتر

نوشته‌های مشابه

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

چهـار + = دوازده

دکمه بازگشت به بالا
EnglishIran
بستن
بستن