majalahtren.com – Canggih, Machine Learning Bisa Prediksi Penyakit Langka. Bank biologi (Biobank) punya peran benar-benar vital untuk penelitian medis gara-gara sedia kan akses ke sejumlah besar berita genetik dan kebugaran.
Info ini digunakan untuk mempelajari hubungan genetika dan faktor lingkungan di dalam pertumbuhan penyakit.
Bersama demikian, bank biologi mampu jadi sumber kekuatan yang tak ternilai di dalam menambahkan wawasan terkait tak terhitung hal, mulai berasal dari interaksi antara pola makan dan penyakit sampai pengaruh ukuran tempat tinggal tangga pada taraf keparahan Covid-19. Tapi, nilai bank biologi dibatasi oleh mutu dan kelengkapan knowledge yang terkandung di dalamnya.
Information pasien yang bukan lengkap, sebagai contoh, tantangan besar bagi para peneliti medis. Knowledge ini mampu memuat kabar yang hilang yang terlampau signifikan untuk lakukan deteksi penyakit dan sebabkan terobosan baru.
Misalnya, seorang pasien bisa saja mempunyai riwayat medis diabetes jenis Ii, tapi jikalau mereka bukan dulu dirawat di tempat tinggal sakit untuk tersebut, istilah “Diabetes model Ii” kemungkinan bukan muncul di dalam information mereka.
Untuk menangani kasus ini, team peneliti berasal dari Stanford University, yang dipimpin oleh Lu Yang, udah menciptakan suatu tipe machine learning yang disebut Popdx.
Kerangka kerja berbasis machine learning ini bisa memprediksi serangkaian kode penaksiran yang komprehensif, yang juga dikenal sebagai kode fenotipe, untuk seluruh pasien di UK Biobank. Bank biologi ini menyimpan information berasal dari setengah juta peserta berasal dari Inggris, terhitung pasien bersama dengan penyakit langka.
Unggul
popdx mengungguli tipe-tipe yang tersedia didalam memprediksi penyakit generik dan penyakit langka, lebih-lebih penyakit yang bukan tersedia di dalam information latih.
Para peneliti menilai tersebut adalah pencapaian besar gara-gara beberapa besar type machine learning membutuhkan sejumlah besar knowledge latih.
Tetapi, gara-gara keterbatasan jumlah knowledge medis yang ada, terlampau signifikan untuk mengembangkan style yang bisa bekerja bersama information yang sedikit dan memberi tambahan hasil yang berfaedah untuk pasien bersama dengan penyakit yang bukan generik.
Style Popdx memakai kombinasi pemrosesan bahasa alami (Natural language processing, Nlp) dan Ontologi Penyakit Manusia untuk mengakibatkan peraturan probabilistik perihal penyakit. Style ini memirsa beraneka macam knowledge pasien, mulai berasal dari kabar demografis sampai inspeksi medis dan tes laboratorium.
Pembeda primer berasal dari style lain
keluasan info jadi satu pembeda primer berasal dari Popdx gara-gara style sebelumnya membutuhkan kumpulan knowledge yang dikurasi bersama baik dan bukan sanggup mempertimbangkan keluasan fitur yang serupa.
Style ini bekerja bersama melacak interaksi antara information pasien dan berita penyakit, menyebabkan prediksi berkenaan penyakit apa yang kemungkinan diderita oleh pasien.
Tantangan terbesar untuk tipe ini berasal berasal dari penyakit bersama dengan information yang terbatas atau bukan tersedia knowledge serupa sekali.
Tetapi, Popdx sudah tunjukkan kinerja yang mengesankan bersama dengan information yang terbatas atau tanpa information mirip sekali, agar menaikkan bisa saja untuk mengidentifikasi masalah-masalah positif berasal dari penyakit bersama prevalensi rendah.
Keliru satu tantangan yang dihadapi oleh UK Biobank adalah kesamaan demografinya, bersama dengan 56 % partisipan adalah perempuan dan mayoritas partisipan berkulit putih dan berusia di atas 70 th.
Solusi keterbatasan data
kurangnya keragaman ini tidak dikarenakan kurangnya information, tapi lebih gara-gara kurangnya akses layanan kebugaran.
Tetapi, Yang dan timnya berharap bahwa penelitian mereka sanggup menunjang menangani tantangan ini bersama dengan menambahkan titik awal yang lebih baik bagi para dokter dan peneliti yang menghendaki mempelajari penyakit-penyakit langka ini.
Kesimpulannya, tipe Popdx yang dibuat oleh Lu Yang dan team penelitinya di Stanford University menawarkan alat yang berharga untuk penelitian medis.
Bersama dengan mengimbuhkan prediksi kode penaksiran yang komprehensif dan seksama, jenis ini mempunyai potensi untuk menangani keterbatasan knowledge yang bukan lengkap dan menolong memajukan pemahaman tentang penyakit.
Bersama kemampuan untuk bekerja bersama information yang sporadis, Popdx merupakan langkah maju yang berarti di dalam pengembangan type pembelajaran mesin untuk penelitian medis.
