Derin Öğrenme Ağı, Kanser Hücrelerinin Metastatik Potansiyelini Tahmin Ediyor
Derin öğrenme teknikleri araştırmalarda giderek daha önemli hale geliyor. Birçok farklı alanda kullanılan derin öğrenme yöntemi artık kanser araştırmalarında da oldukça önemli. Araştırmacılar, zaman alıcı ve pahalı analitik yöntemlere daha hızlı ve daha uygun maliyetli alternatifler bulmak için çok çalışıyorlar. Derin öğrenme tahmine dayalı bir yaklaşım ve bunlardan sadece bir tanesidir.
Metastaz başlatan veya birincil hastalık bölgesinden yayılan kanser hücreleri, orijinal tümörde kalan kanser hücrelerinden farklıdır. Metastaz yapan hücre tiplerini ayırt etmek, kanserin ciddiyetini belirleyebilir ve doktorların tedavi seçeneklerine karar vermesine yardımcı olabilir.
AIP Publishing’in APL Makine Öğreniminde, Texas Tech Üniversitesi’ndeki araştırmacılar, kanser hücrelerini türlerine göre sınıflandırmak için derin bir öğrenme modeli geliştirdiler.
Araç, yalnızca basit bir mikroskop ve çok az bilgi işlem gücü gerektirir ve daha gelişmiş ve sofistike tekniklere eşit veya onlardan daha iyi sonuçlar sağlar.
Baş yazar Wei Li, “Kanser hücreleri çok heterojendir ve son araştırmalar, hücrelerin bütününden ziyade belirli alt popülasyonlarının kanser metastazından sorumlu olduğunu göstermektedir” dedi. “Kanser hücresi alt popülasyonlarını belirlemek, hastalık şiddetini belirlemede kritik bir adımdır.” Kanser hücrelerini sınıflandırmak için mevcut yöntemler, gelişmiş araçları, zaman alan biyolojik yöntemleri veya kimyasal belirteçleri içerir.
Derin öğrenmeye yönelik tahmine dayalı bir yaklaşım, uzun ve karmaşık sistemler için en iyi seçenek olarak kabul edilir. Baş yazar Karl Gardner, “Bu karmaşık ve uzun tekniklerle ilgili sorun, kanserin önlenmesi ve tedavisinin farklı alanlarını araştırmak için kullanılabilecek kaynak ve çaba gerektirmesidir” dedi.
Bazı araştırmalar, kanser hücrelerini izlemek için manyetik nanopartiküller kullanır, ancak bu etiketlerin eklenmesi, hücrelerin sonraki analizini ve ölçümlerin bütünlüğünü etkileyebilir. Gardner, “Sıralama prosedürümüz, hücreleri görüntülerken ek kimyasallar veya biyolojik çözümler içermez.” Dedi. “Metastatik potansiyeli saptamak için ‘etiketsiz’ bir yöntemdir.” Ayrıca ekibin sinir ağının kullanımı kolay, verimli ve otomatiktir.
Görüntüyü ekledikten sonra, derin öğrenme aracı verileri olasılıklara dönüştürür. 0,5’ten düşük bir puan kanseri bir hücre tipi olarak sınıflandırırken, 0,5’ten büyük bir sayı başka bir hücre tipini gösterir. Araç, iki kanser hücre hattından alınan bir dizi görüntüyü kullanarak tahmin doğruluğunu optimize edecek şekilde eğitildi. Araştırmada kullanılan materyallerde doğruluktan daha fazlasına ulaşılmıştır.
Şu anda, eğitim verilerinde yalnızca tek tek kanser hücreleri dikkate alınmaktadır. Bununla birlikte, araştırmalar, dolaşımdaki tümör hücrelerinin kümelerinin kanserin yayılmasından daha fazla sorumlu olduğunu göstermektedir. Yazarlar, modeli hem tek hücreleri hem de kümeleri içerecek şekilde genişletmeyi ve yaygınlaştırmayı planlıyor.
Çeviri Kaynağı : https://www.technologynetworks.com/informatics/news/deep-learning-network-predicts-cancer-cells-metastatic-potential-372869
