據(jù)《自然·機器智能》雜志報道，德國科學家借助一款深度學習軟件，對數(shù)萬個醫(yī)療數(shù)據(jù)集展開分析后，確定了165個與癌癥有關的新基因。最新研究為個性化藥物靶向治療以及生物標志物開發(fā)開辟了新前景。

馬克斯·普朗克分子遺傳學研究所和慕尼黑計算生物學研究所的研究人員開發(fā)出了名為“多組學圖形集成”(EMOGI)的新算法。領導該項研究的安娜麗莎·馬爾西科解釋稱，該軟件集成了從患者樣本提取的數(shù)萬個數(shù)據(jù)集，包括DNA甲基化、單個基因的活性和細胞內蛋白質的相互作用，以及發(fā)生突變的序列的相關數(shù)據(jù)。有了這些數(shù)據(jù)，深度學習算法可以檢測出導致癌癥惡化的模式和分子原理。

馬爾西科說：“這將有助于促進個性化醫(yī)療領域取得進展。”她解釋說，與化療等傳統(tǒng)癌癥治療方法不同，個性化療法能精確地根據(jù)腫瘤類型訂制藥物，“我們的目標是為每位患者選擇最佳療法，即方法最有效、副作用最少。此外，我們還可以根據(jù)癌癥的分子特征鑒別出處于早期階段的癌癥。我們只有知道導致疾病的原因，才能有效地治療它們，這也是為什么盡可能多地確定誘發(fā)癌癥的機制如此重要的原因。”

目前，科學家們發(fā)現(xiàn)與癌癥有關的基因數(shù)量已增長到700個左右，但只有借助生物信息學分析和最新的人工智能方法，研究人員才能追蹤到最新發(fā)現(xiàn)的這些隱藏的基因。此外，近年來，深度學習算法進展迅猛，在其加持下，研究人員甚至能夠發(fā)現(xiàn)那些以前未被注意到的蛋白質或基因之間的關聯(lián)。

研究人員強調說，EMOGI系統(tǒng)并不局限于癌癥。從理論上講，它可以用來整合不同的生物數(shù)據(jù)集，并從中找出模式。例如，可用于糖尿病等復雜的代謝性疾病領域。

關鍵詞： 人工智能