چگونه یادگیری ماشینی به بیماران مبتلا به شایع ترین سرطان دوران کودکی کمک می کند

نرم افزار جدید توسعه یافته توسط پیتر مک و همکارانش به بیماران مبتلا به لوسمی لنفوبلاستیک حاد (ALL) کمک می کند تا مشخص کنند که چه نوع فرعی دارند.

ALL شایع ترین سرطان دوران کودکی در جهان است و بزرگسالان را نیز درگیر می کند.

استادیار پل اکرت از پیتر مک و مؤسسه سرطان کودکان که در این کار مشارکت داشت، می‌گوید: «30 تا 40 درصد از سرطان‌های دوران کودکی ALL هستند، این یک مشکل عمده سرطان کودکان است».

سالانه بیش از 300 نفر در استرالیا مبتلا به این بیماری تشخیص داده می شوند و بیش از نیمی از آنها کودکان خردسال زیر 15 سال هستند. تعیین نوع زیرمجموعه ALL یک بیمار اطلاعات ارزشمندی را در مورد پیش آگهی آنها و اینکه چگونه باید به بهترین شکل ممکن باشد ارائه می دهد. تحت درمان.

پروفسور اکرت می گوید: «پیدا کردن اینکه چه تغییرات ژنتیکی باعث ایجاد سرطان در بیمار می شود، برای تعیین شدت درمان و استفاده از چه داروهایی کلیدی است.

اما تا زمان ظهور فناوری‌های ژنومی مانند تعیین توالی RNA، روش‌های انجام این کار چندان دقیق نبودند.

پروفسور اکرت می گوید: «پیش از این، ناهنجاری های ژنتیکی با مشاهده میکروسکوپ در کروموزوم های منفرد و جستجوی چهار یا پنج نقص اصلی شناسایی می شد. اما اکنون می دانیم که حداقل 23 نوع فرعی برای ALL وجود دارد.

در مقاله ای که در پیشرفت خون اواخر ماه گذشته، محققان پیتر مک و نویسندگان مشترک دانشگاه ملبورن، مؤسسه تحقیقاتی کودکان مرداک و مؤسسه سرطان کودکان، ALLSorts را توصیف کردند، نرم افزاری که از داده های توالی یابی RNA برای شناسایی زیرگروه ALL بیمار استفاده می کند.

پروفسور آلیسیا اوشلاک، پروفسور پیتر مک، نویسنده ارشد این مقاله، می‌گوید: «ALLSorts روش متفاوتی برای یافتن این محرک‌های ژنتیکی و طبقه‌بندی نوع زیرمجموعه ALL یک بیمار اضافه می‌کند. و حتی با یک نمونه بیمار قابل استفاده است، بنابراین مراکز آزمایش بدون توجه به اندازه آنها می توانند از آن استفاده کنند.

تا آنجا که محققین می دانند، ALLSorts همچنین اولین ابزار در دسترس عمومی و منبع باز در نوع خود است.

پروفسور اوشلاک می‌گوید: «ما از رویکرد یادگیری ماشینی استفاده کردیم و دقت نرم‌افزار خود را روی نمونه‌های سرطان کودکان از بیمارستان سلطنتی کودکان و نمونه‌های سرطان بزرگسالان از پیتر مک تأیید کردیم.»

در یادگیری ماشینی، این رایانه است که تمام اطلاعات یک مجموعه داده بزرگ را کنار هم قرار می دهد تا از آموزنده ترین ویژگی های مجموعه داده استفاده کند، نه اینکه به محققان انسانی برای تعیین تکه های مهم داده ها تکیه کند.

پروفسور اوشلاک می‌گوید: «امید است که این نرم‌افزار بتواند در سراسر جهان برای آزمایش ALL و اطلاع‌رسانی انتخاب‌های درمانی برای بیماران استفاده شود.» و همچنین نمونه خوبی از اهمیت زیست شناسی محاسباتی در تحقیقات سرطان است.

ارائه شده توسط مرکز سرطان پیتر مک کالوم