如何利用人工智能來有效地識別癌細胞？

癌細胞與健康細胞有何不同？一種名為“ikarus”的新機器學習算法知道答案，由 MDC 生物信息學家 Altuna Akalin 領導的團隊在《基因組生物學》雜志上報道。人工智能程序發現了腫瘤的基因特征,在識別海量數據中的模式時，人類無法與人工智能 (AI) 匹敵。特別是，稱為機器學習的 AI 分支通常用于查找數據集中的規律性——無論是用于股票市場分析、圖像和語音識別，還是用于細胞分類。

為了可靠地區分癌細胞和健康細胞，由亥姆霍茲協會 (MDC) Max Delbrück 分子醫學中心生物信息學和組學數據科學平臺負責人 Altuna Akalin 博士領導的團隊,現已開發出機器學習程序稱為“伊卡魯斯”。該程序在腫瘤細胞中發現了一種模式，這種模式在不同類型的癌癥中都很常見，由基因的特征組合組成。

根據該團隊在《基因組生物學》雜志上的論文，該算法還檢測到這種模式中以前從未與癌癥明確相關的基因類型。機器學習本質上意味著算法使用訓練數據,來學習如何自己回答某些問題。它通過在數據中搜索有助于解決問題的模式來做到這一點。

在訓練階段之后，系統可以從它所學的知識中進行概括，以評估未知數據?！霸趯＜乙呀浨宄貐^分‘健康’和‘癌細胞’細胞的情況下，獲得合適的訓練數據是一項重大挑戰，”該論文的第一作者 Jan Dohmen 說道。

此外，單細胞測序數據集通常很嘈雜。這意味著它們包含的有關單個細胞分子特征的信息不是很精確,可能是因為在每個細胞中檢測到的基因數量不同，或者因為樣本的處理方式并不總是相同。正如 Dohmen 和他的同事、該研究的聯合負責人 Vedran Franke 博士所報告的那樣，他們篩選了無數出版物并聯系了相當多的研究小組，以獲得足夠的數據集。