Инструмент ИИ преобразует данные в двухмерные круговые изображения, предлагая новый способ визуализации заболеваний
Исследователи клиники Майо стали пионерами в области инструмента искусственного интеллекта (ИИ) под названием OmicsFootPrint, который помогает преобразовывать огромные объемы сложных биологических данных в двумерные круговые изображения. Подробности инструмента опубликованы в исследовании в Nucleic Acids Research .
Omics — это изучение генов, белков и других молекулярных данных, помогающих раскрыть, как функционирует организм и как развиваются болезни. Картографируя эти данные, OmicsFootPrint может предоставить врачам и исследователям новый способ визуализации закономерностей в заболеваниях, таких как рак и неврологические расстройства, что может помочь в разработке персонализированной терапии. Он также может предоставить интуитивный способ изучения механизмов и взаимодействий болезней.
«Данные становятся наиболее мощными, когда вы можете увидеть историю, которую они рассказывают», — говорит ведущий автор Кришна Рани Калари, доктор философии, доцент кафедры биомедицинской информатики в Центре индивидуализированной медицины клиники Майо. «OmicsFootPrint может открыть двери к открытиям, которых мы не могли достичь раньше».
Упрощение сложных данных
Гены действуют как инструкция по эксплуатации организма, в то время как белки выполняют эти инструкции, чтобы клетки продолжали функционировать. Иногда изменения в этих инструкциях — называемые мутациями — могут нарушить этот процесс и привести к болезни. OmicsFootPrint помогает разобраться в этих сложностях, превращая данные — такие как активность генов, мутации и уровни белков — в красочные круговые карты, которые дают более ясную картину того, что происходит в организме.
В своем исследовании ученые использовали OmicsFootPrint для анализа реакции на лекарства и данных мультиомики рака. Инструмент различал два типа рака груди — дольковую и протоковую карциному — со средней точностью 87%. При применении к раку легких он продемонстрировал более 95% точности в определении двух типов: аденокарциномы и плоскоклеточной карциномы.
Небольшие наборы данных оказывают большое влияние
Исследование показало, что объединение нескольких типов молекулярных данных дает более точные результаты, чем использование только одного типа данных.
OmicsFootPrint также демонстрирует потенциал в предоставлении значимых результатов даже при ограниченных наборах данных. Он использует передовые методы ИИ, которые обучаются на существующих данных и применяют эти знания к новым сценариям — процесс, известный как трансферное обучение. В одном примере он помог исследователям достичь более 95% точности в определении подтипов рака легких, используя менее 20% типичного объема данных.
«Этот подход может быть полезен для исследований даже с небольшим размером выборки или клинических исследований », — говорит доктор Калари.
Для повышения точности и понимания фреймворк OmicsFootPrint также использует передовой метод, называемый SHAP (SHapley Additive exPlanations). SHAP выделяет наиболее важные маркеры, гены или белки, которые влияют на результаты, чтобы помочь исследователям понять факторы, управляющие моделями заболеваний.
От исследований к клинической практике
Помимо исследований, OmicsFootPrint предназначен для клинического использования . Он сжимает большие биологические наборы данных в компактные изображения, которые требуют всего 2% от исходного пространства для хранения. Это может облегчить интеграцию изображений в электронные медицинские записи для руководства по уходу за пациентами в будущем.
Исследовательская группа планирует расширить OmicsFootPrint для изучения других заболеваний, включая неврологические заболевания и другие сложные расстройства. Они также работают над обновлениями, чтобы сделать инструмент еще более точным и гибким, включая возможность находить новые маркеры заболеваний и мишени для лекарств.