تحلیل دادههای زیستی و تصاویر پاتولوژی با هوش مصنوعی
پژوهشگران دانشگاه تهران با استفاده از هوش مصنوعی و یادگیری ماشین، گامی نو در تحلیل دادههای زیستی و تصاویر پاتولوژی برداشتند.

پژوهش هوش مصنوعی در تحلیل دادههای زیستی
گروهی از پژوهشگران دانشگاه تهران به سرپرستی علی مسعودینژاد با همکاری محققان بینالمللی موفق به انجام دو پژوهش نوآورانه در زمینه یادگیری عمیق و پزشکی شخصیسازیشده شدند. این مطالعات که در مجلات معتبر الزویر منتشر شدهاند، بر بهکارگیری مدلهای هوش مصنوعی برای ارتقای دقت تحلیل دادههای زیستی و پاتولوژیک تمرکز دارند.
- در پژوهش اول، روشهای نرمالسازی تصاویر پاتولوژی در چهار گروه اصلی دستهبندی و مقایسه شدند
- ارائه چارچوبی نوین برای مقایسه نظاممند روشهای نرمالسازی
- در پژوهش دوم، تمرکز بر تحلیل دادههای چنداُمیک برای پیشبینی بقا در بیماران سرطانی بود
- طراحی خودرمزگذار جدید با تابع هزینه اختصاصی برای شناسایی روابط غیرخطی
- شناسایی مسیرهای مولکولی کلیدی مانند مسیر ویتامین D و گیرنده گالانین
“نتایج مطالعه ما بر اهمیت حفظ اطلاعات زیستی در فرآیند نرمالسازی و نقش آن در افزایش دقت سیستمهای تشخیص کامپیوتری تأکید میکند.”
“ادغام روشهای یادگیری عمیق با تحلیل دادههای زیستی میتواند به درک عمیقتر از مکانیسمهای مولکولی بیماریها منجر شود.”
این دستاوردهای علمی میتوانند زمینهساز توسعه راهکارهای درمانی شخصیسازیشده و بهبود تشخیص بیماریها باشند.
