Tagو سرطان

علوم داده و یادگیری ماشینی چه نقشی در مبارزه با سرطان دارند؟

علوم داده و یادگیری ماشینی چه نقشی در مبارزه با سرطان دارند؟

پیچیدگی درمان سرطان، چندین دهه است که محققین را کلافه کرده و اگرچه پیشرفت های خوبی را شاهد بودیم، اما هنوز مبارزه با این بیماری به سختی پیش می رود، و سرطان به عنوان یکی از علل اصلی مرگ و میر در سرتاسر جهان شناخته می شود.

در عصر حاضر، دانشمندان به نیروی کمکی ارزشمندی در این نبرد دست یافته اند که به شیوه های مختلف در رفع پیچیدگی نبرد مورد بحث ایفای نقش می کند: ماشین های هوشمند. تکنیک های مورد استفاده در حوزه یادگیری ماشینی و هوش مصنوعی می توانند حل معمای بزرگ سرطان را تسهیل نمایند.

اما در این میان نکته مهمی نیز وجود دارد. حتی با این روش های جدید نیز به تنهایی نمی توان سرطان را درمان یا ریشه کن ساخت، مگر اینکه به داده های بیشتری دسترسی داشته باشیم؛ اما بسیاری از مجموعه داده ها از جمله سوابق پزشکی، آزمایش های ژنتیکی و ماموگرافی، از دسترس بهترین مغزهای علمی و پیشرفته ترین الگوریتم های یادگیری خارج هستند.

google_genomics_stanford_university_0

خبر خوب اینکه در حال حاضر، کلان داده در تحقیقات سرطان به جایگاه تعیین کننده ای رسیده، و تحقیقات متعددی در بخش های دولتی و خصوصی در مقیاس وسیع برای توالی یابی ژنتیکی آغاز شده است. در این میان می توان به برنامه Million Veteran Program در ایالات متحده؛ پروژه یکصد هزار ژنوم در انگلستان، و طرح اطلس ژنوم سرطان در مؤسسه ملی سلامت آمریکا برای نگهداری داده های مربوط به بیش از 11 هزار بیمار اشاره کرد.

اطلاعات موجود در تمامی این مراکز به صورت رایگان در دسترس محققین سرتاسر جهان قرار دارد، و تجزیه و تحلیل آنها بر بستر کلاود صورت می گیرد. طبق تحقیقی جدید، پیش بینی می شود تا سال 2025 بیش از 2 میلیارد ژنوم انسان به طور کامل توالی یابی گردند.

روندهای دیگری نیز وجود دارند که داده های تازه ای را می طلبند، به خصوص در آزمایشات ژنتیکی. در سال 2007 توالی یابی ژنوم یک انسان بیش از 10 میلیون دلار هزینه داشت. امروز می توان این کار را با هزینه کمتر از 1000 دلار انجام داد. به عبارت دیگر، به ازای توالی یابی ژنتیکی هر انسان در 10 سال قبل، اکنون می توان این عملیات را روی 10 هزار نفر صورت داد.

نتایج این وضعیت بسیار قابل توجه است: کشف یک جهش ژنتیکی که می تواند ریسک ابتلا به نوع خاصی از سرطان را افزایش دهد، اطلاعات ارزشمندیست که جان انسان های دیگر را نجات خواهد داد. حال با کاهش هزینه این فرایند، چنین تحقیقاتی می تواند در مقیاسی بزرگ تر صورت گیرد.

یکی از چالش های بزرگ پیش روی محققین و البته جامعه، این است که مجموعه داده های کنونی از نظر حجم و تنوع نژادی چندان گسترده نیستند. علاوه بر این، دانشمندان معمولاً با محدودیت هایی از نظر قانونی مواجهند و بنابراین تمایلی به اشتراک گذاری اطلاعات ندارند.

حتی زمانی که سازمان ها داده های ژنومیک را به اشتراک بگذارند، توافق اصلی باید بین خود مؤسسات مالک آن اطلاعات ایجاد شود. در حال حاضر پیشرفت های خوبی در این زمینه داشته ایم، اما باز هم به قوانین و پلتفرم های استاندارد بیشتری برای تسریع و تسهیل دسترسی نیاز داریم.

gene-therapy

مزایای این فناوری های جدید فراتر از شناسایی خطرات و غربالگری است. پیشرفت در یادگیری ماشینی می تواند به توسعه سریع تر داروهای ضد سرطان و انتخاب نوع درمان کمک شایانی نماید، و پزشکان با استفاده از آنها می توانند به راحتی بیماران را با آزمایشات بالینی مطابقت دهند. بدین ترتیب، توانایی درمانگر در ارائه راهکارهای درمانی برای بیماران مبتلا به سرطان تا حد زیادی افزایش خواهد یافت.

برای تحقق این امر به چند شرط اساسی نیاز داریم. اولاً بیماران باید بتوانند به راحتی اطلاعات خود را با دیگران به اشتراک بگذارند. این اطلاعات شامل سوابق پزشکی، تصاویر رادیولوژی، و آزمایشات ژنتیک است. شرکت های آزمایشگاهی و مراکز درمانی نیز باید فرم رضایتنامه عمومی را به کار گیرند تا در مراحل قانونی به مشکل بر نخورند.

در مرحله بعد، به سرمایه بیشتری برای محققین فعال در مراکز هوش مصنوعی، علوم داده و تحقیقات سرطان نیاز داریم؛ و نهایتاً نیازمند تولید مجموعه داده های جدیدی هستیم که مردمانی از تمام نژادها را در بر بگیرند. بدین ترتیب، پیشرفت در تحقیقات سرطان حد و مرزی نخواهد شناخت.

The post appeared first on .

علوم داده و یادگیری ماشینی چه نقشی در مبارزه با سرطان دارند؟

بنیاد پارکر و استفاده از الگوریتم های نرم افزاری برای پیشگیری و درمان سرطان

بنیاد پارکر و استفاده از الگوریتم های نرم افزاری برای پیشگیری و درمان سرطان

«شان پارکر» کارآفرین مطرح و یکی از بنیانگذاران نپستر که در حال حاضر مؤسسه ای را برای ایمونوتراپی سرطان به راه انداخته، به هیچ وجه اهل تلف کردن وقت نیست و به سرعت از فناوری های موجود برای درمان این بیماری استفاده می کند.

این مؤسسه طی همکاری با «مرکز تحقیقات سرطان» روی الگوریتم های پیش بینی کار می کنند که می تواند نئو آنتی ژن های سرطانی را در DNA شناسایی کرده و از آنها به منظور ارائه راهکارهای درمانی پیشگیرانه استفاده نماید. نئو آنتی ژن ها نوعی ترکیبات موجود در تومورهای سرطانی هستند که پاسخ ایمنی خاصی را در بدن ایجاد می کنند.

parker-institute-cancer

در حال حاضر دانشمندان متعددی از شش سازمان و نهاد مختلف از جمله «مؤسسه برود» و «کالتک» توالی های ژنتیکی سرطانی و سالم را دریافت می دارند، به امید اینکه بتوانند توالی های قابل تشخیص بوسیله سلول های T سیستم ایمنی را شناسایی نمایند.

از آنجا که نئو آنتی ژن ها فقط در تومورهای سرطانی حضور داشته برای هر شخصی منحصر به فرد هستند، در نتیجه استفاده از آنها برای ایمونوتراپی کاملاً ایده آل خواهد بود، زیرا نیازی نیست نگران باشید این ترکیبات تصادفاً به سلول های سالم حمله ور شوند.

cancer-immunotherapy

همچنین اگر بتوان روند درمانی را کاملاً شخصی سازی نمود، نتایج به مراتب بهتری حاصل خواهد شد تا اینکه بخواهیم یک روش مشخص را برای درمان همه افراد به کار بریم.

البته هرگاه بحث واکسن یا پیشگیری از سرطان پیش می آید، نباید انتظار داشت که به این زودی ها به نتیجه مطلوب دست یابیم. «رامی ابراهیم» از مدیران مؤسسه پارکر می گوید اقدام مورد بحث «نخستین گام مهم» در این مسیر به شمار می رود و پاسخ نهایی نخواهد بود.

sean-parker

شان پارکر

بدین ترتیب اگر الگوریتم های مورد استفاده نتیجه مطلوبی حاصل کنند، می توان گفت تکنولوژی و علی الخصوص نرم افزارهای نوین قادرند سرطان را پیش از موعد شناسایی و با آن مبارزه کنند، نبردی که به مراتب ساده تر از وضعیت پس از آشکار شدن سرطان خواهد بود.

The post appeared first on .

بنیاد پارکر و استفاده از الگوریتم های نرم افزاری برای پیشگیری و درمان سرطان

دیپ مایند و استفاده از یادگیری ماشینی برای تسریع روند درمان برخی سرطان ها

دیپ مایند و استفاده از یادگیری ماشینی برای تسریع روند درمان برخی سرطان ها

دیپ مایند که یکی از زیرمجموعه های آلفابت به شمار می رود در حال راه اندازی پروژه ای است تا روند آماده شدن بیماران و دکترها برای درمان سرطان های سر و گردن را بهبود دهد. این شرکت بریتانیایی قصد دارد واحد هوش مصنوعی خود را وارد همکاری تازه ای با «سرویس سلامت همگانی» انگلیس (یا همان NHS) کند و بیمارستان «کالج هاسپیتال» لندن نیز به آنها یاری خواهد رساند.

برنامه ریزی برای درمان سرطان های سر و گردن معمولاً امری دشوار تلقی می شود چرا که بسیاری از نقاط حساس و مهم بدن در این ناحیه قرار دارند. در واقع پیش از هرگونه درمان با اشعه باید نقشه ای دقیق از نقاطی که تابش روی آنها انجام می گیرد به دست آید تا به بافت های دیگر آسیبی وارد نشود.

دیپ مایند می گوید که روند نقشه برداری سرطان های سر و گردن معمولاً تا 4 ساعت برای دکترها به طول می انجامد و امیدوار است که با استفاده از یادگیری ماشینی و تکنولوژی هوش مصنوعی خود بتواند این زمان را تا یک ساعت کاهش دهد.

دکتر «ین-چینگ چانگ» (Yen-Ching Chang)، مدیر بخش رادیوتراپی دانشگاه لندن هاسپیتال توضح داده تکنولوژی مورد بحث این پتانسیل را دارد که نقش دکترها را در روند نقشه برداری برعهده گیرد و در عوض آنها بتونند روی مراقبت از بیمار، تحقیق و آموزش تمرکز کنند. دیپ مایند نیز خاطر نشان کرده که علاوه بر آزاد شدن وقت دکترها، امیدوار است تا الگوریتم توسعه یافته برای این تکنولوژی رادیوتراپی بتواند در نهایت با استفاده در دیگر بخش های بدن منجر گردد.

The post appeared first on .

دیپ مایند و استفاده از یادگیری ماشینی برای تسریع روند درمان برخی سرطان ها

دیپ مایند که یکی از زیرمجموعه های آلفابت به شمار می رود در حال راه اندازی پروژه ای است تا روند آماده شدن بیماران و دکترها برای درمان سرطان های سر و گردن را بهبود دهد. این شرکت بریتانیایی قصد دارد واحد هوش مصنوعی خود را وارد همکاری تازه ای با «سرویس سلامت همگانی» انگلیس (یا همان NHS) کند و بیمارستان «کالج هاسپیتال» لندن نیز به آنها یاری خواهد رساند.

برنامه ریزی برای درمان سرطان های سر و گردن معمولاً امری دشوار تلقی می شود چرا که بسیاری از نقاط حساس و مهم بدن در این ناحیه قرار دارند. در واقع پیش از هرگونه درمان با اشعه باید نقشه ای دقیق از نقاطی که تابش روی آنها انجام می گیرد به دست آید تا به بافت های دیگر آسیبی وارد نشود.

دیپ مایند می گوید که روند نقشه برداری سرطان های سر و گردن معمولاً تا 4 ساعت برای دکترها به طول می انجامد و امیدوار است که با استفاده از یادگیری ماشینی و تکنولوژی هوش مصنوعی خود بتواند این زمان را تا یک ساعت کاهش دهد.

دکتر «ین-چینگ چانگ» (Yen-Ching Chang)، مدیر بخش رادیوتراپی دانشگاه لندن هاسپیتال توضح داده تکنولوژی مورد بحث این پتانسیل را دارد که نقش دکترها را در روند نقشه برداری برعهده گیرد و در عوض آنها بتونند روی مراقبت از بیمار، تحقیق و آموزش تمرکز کنند. دیپ مایند نیز خاطر نشان کرده که علاوه بر آزاد شدن وقت دکترها، امیدوار است تا الگوریتم توسعه یافته برای این تکنولوژی رادیوتراپی بتواند در نهایت با استفاده در دیگر بخش های بدن منجر گردد.

The post appeared first on .

دیپ مایند و استفاده از یادگیری ماشینی برای تسریع روند درمان برخی سرطان ها