تعیین میزان بقای بیماران مبتلا به سرطان با فناوری یادگیری عمیق
به گزارش گردو دانلود، پژوهشگران دانشگاه ملی سئول در مطالعه جدیدشان، فناوری یادگیری عمیق جدیدی را توسعه داده اند که ریزمحیط تومور را به دقت مورد بررسی قرار داده و میزان بقای بیماران مبتلا به سرطان را مشخص می کند.
به گزارش گردو دانلود به نقل از ایسنا، تومورها پیچیده هستند و از انواع مختلفی از سلول ها تشکیل شده اند. مطالعه این نوع سلول ها بصورت جداگانه می تواند در مورد خصوصیت های تومورهای موضعی مانند الگوهای رشد و شکل آنها به پژوهشگران اطلاعات مفیدی ارائه نماید. برای یافتن اطلاعات بیشتر، باید تومور را در حوزه وسیع تری بررسی نماییم تا نحوه تعامل سلول ها با ریزمحیط تومور را آشکار نماییم. در صورتیکه خصوصیت های موضعی ممکنست یک پیش آگهی را نشان دهد، محیط وسیع تر تومور می تواند نشانه های دیگری را آشکار کند.
ریزمحیط تومور (tumor microenvironment)، محیط اطراف تومور است که شامل رگ های خونی اطراف آن، سلول های ایمنی، فیبروبلاست ها، مولکول های سیگنالینگ و ماتریکس خارج سلول (ECM) است. تومور و ریزمحیط اطراف دائما در تعامل نزدیک با هم هستند. تومورها می توانند با آزاد کردن سیگنال های خارج سلولی، القای رگ زایی تومور و القای تحمل ایمنی موضعی، بر ریز محیط زیست تاثیر بگذارند و همین طور مشخص شده است که سلول های ایمنی موجود در ریز محیط می توانند بر رشد و تکامل سلول های سرطانی تاثیر بگذارند.
فناوری یادگیری عمیق (deep learning)، یادگیری ژرف یا ژرف آموزی یک زیر شاخه از یادگیری ماشین و برمبنای مجموعه ای از الگوریتم ها است که در زمینه های مختلف همچون پزشکی کاربرد دارد.
به تازگی، گروهی از پژوهشگران دانشگاه ملی سئول (SNU) کره جنوبی از فناوری یادگیری عمیقی را توسعه داده اند که به تشخیص میزان بقای بیماران مبتلا به سرطان با دقت بسیار بیشتر کمک می نماید. این فناوری یادگیری عمیق مبتنی بر گراف (graph-based deep learning) که اولین نمونه در نوع خود شمرده می شود، بافت های سرطانی را در یک دیاگرام شبکه نشان میدهد.
برخلاف روش های قبلی تشخیصیِ مبتنی بر یادگیری عمیق که تنها می توانند شکل هر کدام از سلول های سرطانی را تحلیل و بررسی کنند، تکنولوژی جدید یادگیری عمیق، ریزمحیط تومور را در نظر می گیرد که به عوامل زمینه ای در رابطه با بافت های سرطانی مانند فاصله، تعامل و همبستگی بین ایمنی و سرطان اشاره دارد.
تجزیه و تحلیل چنین ریزمحیطی برای تشخیص سرطان و پیش بینی نرخ بقای بیماران مبتلا به سرطان حیاتیست.
این تکنولوژی جدید یادگیری عمیق می تواند الگوهایی را درون ریزمحیط تومور شناسایی کرده و ارتباطات میان سرطان و سلول های ایمنی را اندازه گیری نماید. پزشکان می توانند از این داده ها برای پیش بینی نرخ بقای بیماران مبتلا به سرطان بهره گیرند.
پژوهشگران در کنار توسعه فناوری یادگیری عمیق، نرم افزاری را توسعه و نشان دادند که ارتباطات بین سلول های سرطانی، سلول های ایمنی و عروق خونی در یک بافت سرطانی دارد، می تواند به عنوان شاخصی برای تعیین میزان بقای یک بیمار سرطانی عمل کند.
یافته های این پژوهش در مجله "Nature Biomedical Engineering "منتشر شده است.
منبع: گردو دانلود
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب