Pomocí umělé inteligence lze pro daného pacienta určit nejúčinnější terapie proti myeloidní leukémii – jednomu z nejagresivnějších typů rakoviny krve.
Vědecká studie publikovaná v Bioinformatika Advance, podrobně popisuje, jak umělá inteligence nahlíží na genetický profil každého pacienta, aby určila, která léčba proti leukémii by byla nejúčinnější.
Akutní myeloidní leukémie je agresivní rakovina kostní dřeně, která vyžaduje včasnou diagnózu, protože rychle postupuje. Průměrná pětiletá míra přežití u osob starších 20 let je 28 %.
K vytvoření modelů byla použita data od 451 dobrovolníků. Algoritmus strojového učení (forma umělé inteligence) používá tato data k určení, které geny predisponují k jedné ze 100 léčeb a které geny blokují účinek léku.
Umělá inteligence analyzovala genetické profily každého dobrovolníka a analyzovala všechny geny, které by mohly produkovat určité proteiny, které by inhibovaly účinek léku. Na analýzu těchto genů a srovnání se 100 léky pro každého pacienta potřebovala umělá inteligence hodinu.
Strojové učení je systém, který funguje na bázi algoritmů, s jejichž pomocí je program schopen vytvořit určité vzorce a vztahy mezi obrovským množstvím dat a prezentovat je uživatelům.
S pomocí umělé inteligence lze činnosti v medicíně, které obvykle vykonávají lidé, provádět mnohem rychleji a efektivněji. Existuje mnoho aplikací umělé inteligence a pomocí strojového učení lze vytvořit umělý model jakékoli nemoci, abyste pochopili, jak v těle funguje. Strojové učení funguje na základě algoritmů, což umožňuje vytvářet statistické modely, které potvrzují nebo vyvracejí hypotézy vědců. Zpracování velkého množství dat zabere umělé inteligenci výrazně méně času než lidskému oku. Lze jej využít i při práci s pacienty – software vytvořený s umělou inteligencí vám efektivně pomůže naplánovat schůzky s osobním lékařem nebo předepsat léky. Software umělé inteligence se nadále vyvíjí v oblasti predikce nemocí a v některých případech má přesnější a objektivnější úsudek než lidské oko.
Reference:
Ferrato, M. (2023, 22. března) Klasifikační přístupy strojového učení pro predikci odpovědi na inhibitory RTK-typu III prokazují vysokou přesnost pomocí transkriptomických signatur a ex vivo dat. Získáno 2023, 16. listopadu z https://academic.oup.com/bioinformaticsadvances/article/3/1/vbad034/7083432?login=false
