ابزارهای هوش مصنوعی جدید، مسیر شکلگیری بیماریها را آشکار میکنند
دانشمندان دانشگاه تگزاس در آرلینگتون با بهرهگیری از هوش مصنوعی در حال توسعه ابزارهایی هستند که میتوانند به کشف چگونگی آغاز بیماریها، واکنش سیستم ایمنی بدن و مؤثرترین روشهای درمان کمک کنند.
به گزارش مدرن مد به نقل از digitalhealthnews، دکتر شینلی (شری) وانگ، استاد آمار و علوم داده و دارنده کرسی «جنکینز گرت» در دانشکده ریاضیات دانشگاه تگزاس در آرلینگتون، موفق به دریافت کمکهزینهای چهارساله به ارزش ۱.۲۸ میلیون دلار از دولت فدرال آمریکا برای اجرای پژوهش خود با عنوان «مدلسازی آماری و تولیدی عمیق برای تفسیر پیشرفته دادههای CyTOF و کشفهای علمی» شده است.
وانگ که مدیر پژوهشی بنیانگذار در بخش علوم داده این دانشگاه نیز هست، هدایت تیمی از دانشمندان آمار بیزی و متخصصان علوم داده را بر عهده دارد تا مدلهای هوش مصنوعیای طراحی کنند که بتوانند دادههای پیچیده زیستپزشکی را تحلیل کنند.
فناوری CyTOF یک روش آزمایشگاهی پیشرفته است که هزاران سلول را بهصورت همزمان بررسی و دهها پروتئین موجود در هر سلول را اندازهگیری میکند. چالش اصلی، به گفته وانگ، آن است که این حجم عظیم از دادهها به شکلی قابلفهم و قابلاستفاده برای سایر پژوهشگران ارائه شود.
در این طرح، پژوهشگران با بهرهگیری از چارچوب آماری بیزی (Bayesian Framework) در حال توسعه مدلی واحد هستند که نتایجی شفاف و قابل تفسیر تولید میکند. این مدل، نحوه ایجاد دادههای حاصل از CyTOF را بازسازی کرده و الگوهای پنهان در سلولها را با دقت بیشتری آشکار میسازد.
وانگ در توضیح این رویکرد گفت: «بدون استفاده از هوش مصنوعی در چارچوب بیزی، تحلیل دادهها ممکن است چندین روز طول بکشد؛ اما با ادغام هوش مصنوعی، نتایج دقیق و قابل اعتماد در چند ثانیه برای میلیونها سلول بهدست میآید. این مدلها به گونهای طراحی شدهاند که پارامترهایشان قابل تفسیر باشد، برای مثال مشخص کنند بیان یک پروتئین در گروه بیمار نسبت به گروه کنترل افزایش یافته است.»
الگوریتمهای طراحیشده در این پروژه، دادههای حاصل از تکسلولنگاری ژنی (Single-cell Transcriptomics) را با دادههای CyTOF ترکیب میکنند تا تصویری جامعتر از فعالیتهای درون سلولها ارائه دهند. این روش میتواند میلیونها سلول را همزمان تحلیل و دهها تا صدها پروتئین یا هزاران ژن را بررسی کند؛ رویکردی که میتواند به درک بهتر بیماریهایی مانند سرطان و طراحی درمانهای مؤثرتر بینجامد.
دستاوردهای تیم وانگ تاکنون توجه جامعه علمی را نیز جلب کرده است. کوین وانگ، فارغالتحصیل دکترای اخیر این گروه و عضو هیئت علمی دانشگاه دیویدسون، در کنفرانس آمارگران تگزاس ۲۰۲۵ جایزه بهترین پوستر دکتری را برای ارائه نتایج اولیه این پژوهش دریافت کرد.
همچنین نتایج بخشی از تحقیقات این گروه اخیراً در مجله Nature Communications منتشر شده است. در این مقاله، ابزار جدیدی با عنوان BIT (شناسایی بیزی تنظیمکنندههای رونویسی از مجموعههای ناحیهای اپیژنومیک) معرفی شد که دقت پژوهشهای ژنی را افزایش میدهد.
اعضای تیم تحقیقاتی وانگ شامل لی وانگ، دانشیار ریاضیات؛ ییک شن، استادیار علوم زمین و محیطزیست؛ و پژوهشگران دانشگاه علوم پزشکی جنوبغربی تگزاس، یوچیو یانگ و اندی شائو هستند.
وانگ در پایان افزود: «هوش مصنوعی ابزاری قدرتمند است، اما اغلب بهعنوان یک جعبه سیاه عمل میکند. ما در تلاشیم نرمافزاری متنباز و کاربرپسند طراحی کنیم تا پژوهشگران بتوانند آن را روی لپتاپ خود اجرا کنند. الگوریتمهای موجود توان پردازش دادههای عظیم را ندارند، اما چارچوب ما دقت آماری، سنجش عدم قطعیت و مقیاسپذیری را همزمان در یک سیستم گرد آورده است.»
