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

پیچیدگی درمان سرطان، چندین دهه س که محققین رو کلافه کرده و با اینکه پیشرفتای خوبی رو تماشاگر بودیم، اما هنوز مقابله با این مریضی به سختی پیش میره، و سرطان به عنوان یکی از دلیلای اصلی مرگ و میر در سرتاسر جهان شناخته می شه.

امروزه، محققان به نیروی کمکی با ارزشی در این جنگ دست پیدا کردن که به روشای جور واجور در رفع پیچیدگی جنگ مورد بحث اجرای نقش می کنه: ماشینای هوشمند. تکنیکای مورد استفاده در بخش یادگیری ماشینی و هوش مصنوعی می تونن حل معمای بزرگ سرطان رو آسون کردن کنن.

اما این وسط نکته مهمی هم هست. حتی با این روشای جدید هم به تنهایی نمیشه سرطان رو درمان یا ریشه کن ساخت، مگه اینکه به داده های بیشتری دسترسی داشته باشیم؛ اما خیلی از مجموعه داده ها از جمله سوابق پزشکی، آزمایشای ژنتیکی و ماموگرافی، از دسترس بهترین مغزهای علمی و پیشرفته ترین الگوریتمای یادگیری خارج هستن.

google_genomics_stanford_university_0

خبر خوب اینکه الان، کلان داده در تحقیقات سرطان به جایگاه تعیین کننده ای رسیده، و تحقیقات زیادی در بخشای دولتی و خصوصی در اندازه وسیع واسه توالی یابی ژنتیکی شروع شده. این وسط میشه به برنامه Million Veteran Program در آمریکا؛ پروژه یکصد هزار ژنوم در انگلستان، و طرح اطلس ژنوم سرطان در مؤسسه ملی سلامت آمریکا واسه نگهداری داده های مربوط به بیشتر از ۱۱ هزار مریض اشاره کرد.

اطلاعات موجود در همه این مراکز به صورت رایگان در دسترس محققین سرتاسر جهان قرار داره، و موشکافی اونا بر بستر کلاود صورت میگیره. طبق تحقیقی جدید، پیش بینی می شه تا سال ۲۰۲۵ بیشتر از ۲ میلیارد ژنوم آدم به طور کامل توالی یابی گردند.

روندهای دیگری هم وجود دارن که داده های تازه ای رو میخوان، به خصوص در آزمایشات ژنتیکی. در سال ۲۰۰۷ توالی یابی ژنوم یه آدم بیشتر از ۱۰ میلیون دلار هزینه داشت. امروز میشه این کار رو با هزینه کمتر از ۱۰۰۰ دلار انجام داد. یعنی، به ازای توالی یابی ژنتیکی هر آدم در ۱۰ سال قبل، حالا میشه این عملیات رو روی ۱۰ هزار نفر صورت داد.

یافته های این وضعیت خیلی با اهمیته: کشف یه جهش ژنتیکی که می تونه خطر دچار شدن به نوع خاصی از سرطان رو زیاد کنه، اطلاعات ارزشمندیست که جون آدمای دیگه رو نجات میده. حال با کم شدن هزینه این روند، اینجور تحقیقاتی می تونه در مقیاسی بزرگ تر انجام بشه.

یکی از چالشای بزرگ پیش روی محققین و البته جامعه، اینه که مجموعه داده های الان از نظر حجم و تنوع نژادی خیلی گسترده نیستن. علاوه بر این، محققان معمولاً با محدودیتایی از نظر قانونی روبه رو هستن و پس تمایلی به اشتراک گذاری اطلاعات ندارن.

حتی وقتی که سازمانا داده های ژنومیک رو به اشتراک بذارن، توافق اصلی باید بین خود مؤسسات مالک اون اطلاعات ایجاد شه. الان پیشرفتای خوبی در این مورد داشته ایم، اما بازم به قوانین و پلتفرمای استاندارد بیشتری واسه تسریع و آسون کردن دسترسی نیاز داریم.

gene-therapy

امتیازات این فناوریای جدید بالاتر از شناسایی خطرات و غربالگریه. پیشرفت در یادگیری ماشینی می تونه به پیشرفت سریع تر داروهای ضد سرطان و انتخاب نوع درمان خیلی کمک کنه، و پزشکان با به کار گیری اونا می تونن خیلی راحت بیماران رو با آزمایشات بالینی مطابقت بدن. اینجوری، توانایی دکتر در ارائه راهکارهای درمانی واسه بیماران گرفتار به سرطان تا حد زیادی افزایش پیدا می کنه.

واسه تحقق این به چند شرط اساسی نیاز داریم. اول اینکهً بیماران باید بتونن خیلی راحت اطلاعات خود رو با بقیه به اشتراک بذارن. این اطلاعات شامل سوابق پزشکی، تصاویر رادیولوژی، و آزمایشات ژنتیکه. شرکتای آزمایشگاهی و مراکز درمانی هم باید فرم رضایتنامه عمومی رو مورد استفاده قرار بدن تا در مراحل قانونی به مشکل بر نخورن.

در مرحله بعد، به سرمایه بیشتری واسه محققین فعال در مراکز هوش مصنوعی، علوم داده و تحقیقات سرطان نیاز داریم؛ و در آخرً نیازمند تولید مجموعه داده های جدیدی هستیم که مردمانی از تموم نژادها رو در بر بگیرن. اینجوری، پیشرفت در تحقیقات سرطان حد و مرزی نخواد شناخت.

                                                    .

Post Author : edame

Related Post

پاسخی بگذارید

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