ফ্লোরিডা বিশ্ববিদ্যালয়ের গবেষকরা মেডিকেল জেনেটিক গবেষণায় একটি সমালোচনামূলক ব্যবধানকে সম্বোধন করছেন – এটি নিশ্চিত করে যে এটি সমস্ত পটভূমির লোকদের আরও ভাল প্রতিনিধিত্ব করে এবং উপকৃত করে।
কম্পিউটার অ্যান্ড ইনফরমেশন সায়েন্স অ্যান্ড ইঞ্জিনিয়ারিং বিভাগের সহকারী অধ্যাপক কিলি গ্রাইম, পিএইচডি এর নেতৃত্বে তাদের কাজ জেনেটিক তথ্যগুলিতে “পৈতৃক পক্ষপাতিত্ব” সম্বোধন করে মানব স্বাস্থ্যের উন্নতি করার দিকে মনোনিবেশ করে, এমন একটি সমস্যা যা বেশিরভাগ গবেষণা যখন একক পৈতৃক গোষ্ঠীর তথ্যের ভিত্তিতে তৈরি হয় তখন উত্থিত হয়। এই পক্ষপাতিত্ব যথাযথ ওষুধের অগ্রগতি সীমাবদ্ধ করে, গ্রাইম বলেছিলেন, এবং রোগের চিকিত্সা এবং প্রতিরোধের ক্ষেত্রে বিশ্বব্যাপী জনসংখ্যার বড় অংশগুলি আন্ডারভে করা হয়েছে।
এটি সমাধানের জন্য, দলটি জেনেটিক ডেটাতে পৈতৃক বৈচিত্র্যের জন্য অ্যাকাউন্টে কৃত্রিম বুদ্ধিমত্তা ব্যবহার করে এমন একটি মেশিন-লার্নিং সরঞ্জাম ফিলোফ্রেম তৈরি করেছে। জাতীয় স্বাস্থ্য ইনস্টিটিউটগুলির তহবিলের সহায়তায়, লক্ষ্যটি হ’ল রোগগুলির পূর্বসূরি নির্বিশেষে কীভাবে রোগের পূর্বাভাস, নির্ণয় করা এবং চিকিত্সা করা হয় তা উন্নত করা। ফিলোফ্রেম পদ্ধতি বর্ণনা করে এমন একটি কাগজ এবং কীভাবে এটি যথার্থ ওষুধের ফলাফলগুলিতে চিহ্নিত উন্নতি দেখিয়েছিল সোমবার প্রকাশিত হয়েছিল প্রকৃতি যোগাযোগ।
জিনোমিক তথ্যগুলিতে পৈতৃক পক্ষপাতিত্বের দিকে মনোনিবেশ করার গ্রাইমের অনুপ্রেরণা এমন একজন ডাক্তারের সাথে কথোপকথন থেকে বিকশিত হয়েছিল যিনি তার বিভিন্ন রোগীর জনসংখ্যার সাথে একটি গবেষণার সীমিত প্রাসঙ্গিকতা দেখে হতাশ হয়েছিলেন। এই মুখোমুখি তাকে জেনেটিক গবেষণার ব্যবধানটি কীভাবে পূরণ করতে সহায়তা করতে পারে তা অন্বেষণ করতে পরিচালিত করেছিল।
“আমি নিজেকে ভেবেছিলাম, ‘আমি এই সমস্যাটি সমাধান করতে পারি,” “গ্রিম বলেছেন, যার গবেষণা মেশিন লার্নিং এবং যথার্থ ওষুধের আশেপাশের গবেষণা কেন্দ্র এবং যারা জনসংখ্যার জিনোমিক্সে প্রশিক্ষণপ্রাপ্ত। “যদি আমাদের প্রশিক্ষণের ডেটা আমাদের বাস্তব-বিশ্বের ডেটার সাথে মেলে না, তবে আমাদের কাছে মেশিন লার্নিং ব্যবহার করে মোকাবেলা করার উপায় রয়েছে They তারা নিখুঁত নয়, তবে তারা সমস্যাটি সমাধান করার জন্য অনেক কিছু করতে পারে।”
জনসংখ্যা জিনোমিক্স ডাটাবেস জ্ঞানোমাদ থেকে ডেটা উপার্জনের মাধ্যমে, ফিলোফ্রেমে স্বাস্থ্যকর মানব জিনোমগুলির বিশাল ডাটাবেসগুলি সংহত করে যথার্থ ওষুধের মডেলগুলি প্রশিক্ষণের জন্য ব্যবহৃত রোগগুলির জন্য নির্দিষ্ট ছোট ডেটাসেটগুলির সাথে। এটি তৈরি করা মডেলগুলি বিভিন্ন জেনেটিক ব্যাকগ্রাউন্ড পরিচালনা করতে আরও ভাল সজ্জিত। উদাহরণস্বরূপ, এটি স্তন ক্যান্সারের মতো রোগের সাব টাইপগুলির মধ্যে পার্থক্যের পূর্বাভাস দিতে পারে এবং রোগীর বংশধর নির্বিশেষে প্রতিটি রোগীর জন্য সর্বোত্তম চিকিত্সার পরামর্শ দেয়।
এই জাতীয় প্রচুর পরিমাণে ডেটা প্রক্রিয়াজাতকরণ কোনও ছোট কীর্তি নয়। দলটি কয়েক মিলিয়ন লোকের জিনোমিক তথ্য বিশ্লেষণ করতে দেশের অন্যতম শক্তিশালী সুপার কম্পিউটার, ইউএফের হিপের্গেটর ব্যবহার করে। প্রতিটি ব্যক্তির জন্য, এর অর্থ 3 বিলিয়ন বেস জোড়া ডিএনএ প্রক্রিয়াজাতকরণ।
“আমি মনে করি না যে এটি যেমন কাজ করবে তেমন কাজ করবে,” গ্রাইম বলেছিলেন যে তার ডক্টরাল শিক্ষার্থী লেসলি স্মিথ এই গবেষণায় উল্লেখযোগ্য অবদান রেখেছিলেন। “জনসংখ্যার জিনোমিক্স ডেটা অন্তর্ভুক্ত করার প্রভাব প্রদর্শনের জন্য একটি সাধারণ মডেল ব্যবহার করে একটি ছোট প্রকল্প হিসাবে কী শুরু হয়েছিল তা আরও পরিশীলিত মডেলগুলি বিকাশের জন্য তহবিল সুরক্ষায় এবং জনসংখ্যা কীভাবে সংজ্ঞায়িত করা হয় তা পরিমার্জন করতে বিকশিত হয়েছে।”
ফিলোফ্রেমকে কী আলাদা করে দেয় তা হ’ল পূর্বসূরীর সাথে যুক্ত জিনগত পার্থক্য বিবেচনা করে জনসংখ্যার জুড়ে ভবিষ্যদ্বাণীগুলি সঠিক থাকে তা নিশ্চিত করার ক্ষমতা। এটি অত্যন্ত গুরুত্বপূর্ণ কারণ বেশিরভাগ বর্তমান মডেলগুলি এমন ডেটা ব্যবহার করে তৈরি করা হয় যা বিশ্বের জনসংখ্যার পুরোপুরি প্রতিনিধিত্ব করে না। বিদ্যমান তথ্যগুলির বেশিরভাগই গবেষণা হাসপাতাল এবং স্বাস্থ্যসেবা ব্যবস্থায় বিশ্বাসকারী রোগীদের কাছ থেকে আসে। এর অর্থ ছোট শহরগুলিতে জনসংখ্যা বা যারা চিকিত্সা ব্যবস্থাকে অবিশ্বাস করে তাদের প্রায়শই বাদ দেওয়া হয়, যা সবার জন্য ভাল কাজ করে এমন চিকিত্সা বিকাশ করা আরও কঠিন করে তোলে।
তিনি অনুমানও করেছিলেন যে সিকোয়েন্সড নমুনাগুলির 97% ইউরোপীয় বংশের লোকেরা, মূলত, মূলত, জাতীয় এবং রাজ্য স্তরের তহবিল এবং অগ্রাধিকারগুলির, তবে বিভিন্ন স্তরে স্নোবলের আর্থ -সামাজিক কারণগুলির কারণে – বীমা প্রভাবগুলি লোকেরা চিকিত্সা করে কিনা তা প্রভাবিত করে, যা তারা কীভাবে ক্রমযুক্ত হতে পারে তা প্রভাবিত করে।
“অন্যান্য কিছু দেশ, বিশেষত চীন এবং জাপান সম্প্রতি এই ফাঁকটি বন্ধ করার চেষ্টা করছে, এবং তাই এই দেশগুলির আগের তুলনায় আরও বেশি তথ্য রয়েছে তবে এখনও ইউরোপীয় তথ্যের মতো কিছুই নেই,” তিনি বলেছিলেন। “দরিদ্র জনগোষ্ঠী সাধারণত পুরোপুরি বাদ দেওয়া হয়।”
সুতরাং, প্রশিক্ষণের ডেটাতে বৈচিত্র্য অপরিহার্য, গ্রিম বলেছেন।
“আমরা চাই যে এই মডেলগুলি কেবল আমাদের পড়াশোনায় নয়, যে কোনও রোগীর পক্ষে কাজ করবে,” তিনি বলেছিলেন। “বিভিন্ন প্রশিক্ষণের ডেটা থাকা ইউরোপীয়দের জন্যও মডেলগুলিকে আরও ভাল করে তোলে। জনসংখ্যার জিনোমিক্সের ডেটা থাকা মডেলগুলিকে ওভারফিটিং থেকে রোধ করতে সহায়তা করে, যার অর্থ তারা ইউরোপীয়দের সহ সবার জন্য আরও ভাল কাজ করবে।”
গ্রাইম বিশ্বাস করেন যে ফিলোফ্রেমের মতো সরঞ্জামগুলি শেষ পর্যন্ত ক্লিনিকাল সেটিংয়ে ব্যবহৃত হবে, তাদের জেনেটিক মেকআপের ভিত্তিতে ব্যক্তিদের জন্য তৈরি চিকিত্সার পরিকল্পনাগুলি বিকাশের জন্য traditional তিহ্যবাহী মডেলগুলিকে প্রতিস্থাপন করবে। দলের পরবর্তী পদক্ষেপগুলির মধ্যে ফিলোফ্রেমকে পরিশোধন করা এবং এর অ্যাপ্লিকেশনগুলিকে আরও রোগে প্রসারিত করা অন্তর্ভুক্ত।
“আমার স্বপ্ন হ’ল এই ধরণের মেশিন লার্নিং পদ্ধতির মাধ্যমে যথার্থ ওষুধকে অগ্রিম করতে সহায়তা করা, যাতে লোকেরা তাড়াতাড়ি নির্ণয় করতে পারে এবং তাদের জন্য বিশেষভাবে কাজ করে এবং খুব কম পার্শ্ব প্রতিক্রিয়াগুলির সাথে চিকিত্সা করা হয়,” তিনি বলেছিলেন। “সঠিক সময়ে সঠিক ব্যক্তির সাথে সঠিক চিকিত্সা করা হ’ল আমরা যা চেষ্টা করছি।”
গ্র্যামের প্রকল্পটি ইউএফ কলেজ অফ মেডিসিন অফিস অফ রিসার্চ এর এআই 2 ডেটাথন গ্রান্ট অ্যাওয়ার্ড থেকে তহবিল পেয়েছে, যা গবেষক এবং চিকিত্সকদের মানব স্বাস্থ্যের উন্নতির জন্য এআই সরঞ্জামগুলি ব্যবহার করতে সহায়তা করার জন্য ডিজাইন করা হয়েছে।