به گزارش ایسنا، این مطالعه بوسیله پژوهشگران دانشگاه علوم پزشکی تهران و موسسات همکار تلاش کرده برخلاف بسیاری از مدلهای «جعبه سیاه» توضیح دهد که چرا یک دارو برای یک نوع سلول سرطانی در رتبه بالاتری قرار میگیرد.
مشکل چیست؟
سرطان یک بیماری واحد نیست. حتی سلولهای سرطانی متعلق به یک نوع سرطان نیز میتوانند از نظر ژنتیکی و مولکولی با یکدیگر تفاوت زیادی داشته باشند و در نتیجه، پاسخ یکسانی به یک دارو ندهند.
به همین دلیل، در پزشکی دقیق تلاش میشود درمانی انتخاب شود که بیشترین احتمال اثرگذاری را بر ویژگیهای زیستی تومور هر بیمار داشته باشد. اما آزمایش تعداد زیادی دارو روی تعداد زیادی از انواع سلولهای سرطانی، فرایندی زمانبر و پرهزینه است.
اینجاست که مدلهای هوش مصنوعی میتوانند وارد عمل شوند: به جای اینکه فقط پیشبینی کنند یک دارو «اثر میکند یا نمیکند»، میتوانند داروهای مختلف را از مؤثرترین تا کماثرترین مرتب کنند.
«یادگیری برای رتبهبندی» چیست؟
پژوهشگران از روشی به نام Learning to Rank یا LeToR استفاده کردند. …
