bs-preloader__icon
ru kz en

Машиналық оқыту негізіндегі жүйе өмір сүру ұзақтығын болжайды

Гарвард медицина мектебінде жасанды интеллект жүйесі әзірленді, ол ағзаның түрлі «қартаю көрсеткіштеріне» сүйене отырып, тышқандардың өмір сүру ұзақтығын болжай алады. Әдістемені әртүрлі жедел әсерлер мен генетикалық ерекшеліктердің өмір сүру ұзақтығына әсерін экспресс-бағалау үшін және нәтижесінде қартаюды баяулату үшін медициналық және терапиялық құралдарды әзірлеу үшін пайдалануға болады, деп хабарлайды «XXII ғасыр» басылымы.
Машиналық оқыту негізіндегі жүйе өмір сүру ұзақтығын болжайды

Мақала Гарвард медицина мектебіндегі ұзақ мерзімді зерттеулердің нәтижелері бойынша Nature Communications-та еркін қолжетімділікпен шықты (сондай-ақ BioRxiv препринт ретінде қолжетімді). Бірінші кезеңде авторлар 60 зертханалық тышқанның табиғи өліміне дейінгі денсаулық жағдайын бақылап отырды. Бір жылдан астам уақыт бойы әр түрлі денсаулық көрсеткіштері мен тышқандардың дене пішіні өлшенді, мысалы, көру мен есту өткірлігін жоғалту, жүру, арқаның қисықтығы және т.б. Бұл оқыту деректерінің жиынтығы машиналық оқытудың екі моделін әзірлеу үшін пайдаланылды. Олардың біреуі «қартаю көрсеткіштері» негізінде тышқанның биологиялық жасын анықтайды, екіншісі ағзаның қалған өмір сүру ұзақтығын болжау үшін пайдаланылады. Бұдан кейінгі бақылаулар модельдер екі айға дейінгі дәлдікпен болжам беретінін көрсетті.

Қартаю индекстері (Frailty Index FI) - бұл жасына байланысты денсаулықтың нашарлауының кейбір кешенді көрсеткіштері. Олар инвазивті емес, яғни объектіге әсер етпейді және пайдалану үшін шектен тыс ресурстарды талап етпейді. Тышқандар үшін физикалық жағдайды анықтаудың және қартаю көрсеткіштерін есептеудің бейімделген әдістемелері бар. Алайда олардың қандай да бір түрлерінің жалпы организмнің жай-күйін анықтайтыны және оның өмір сүру уақытын болжайтыны белгісіз. Тышқандар үшін FI коэффициенті денсаулықты бағалаудың 31 пунктінен есептеледі, олардың әрқайсысына 0, 0,5 және 1 мәні беріледі (1 жасына байланысты тиісті физикалық кемшілікті, 0 – оның болмауын білдіреді). Мұндай индикаторлардың қатарында, мысалы, табан ұстау күші, құйрықтың икемділігі, жас тышқанмен салыстырғанда көру/есту қабілетінің әлсіреуі және т.б. Осы салаға қызығушылық танытқан немесе жұмыс істейтін биологтар осы жазбаның соңында мақала авторларының бейне арқылы осы әдістемені тереңірек зерттей алады.

Машинамен оқытудың пайдаланылған әдістемесі шешуші ағаштарға (decision trees) – түйіндерінде FI индексін құрайтын жеке параметрлер орналасқан ағаш (тармақталатын) бағандар түріндегі конструкцияларға негізделген. Мұндай ағаштар оқыту жиынтығы негізінде, яғни тышқандар үшін барлық өлшенген параметрлер және олардың өмір сүру ұзақтығы бойынша нақты деректер негізінде жасалады, содан кейін олардың денсаулық көрсеткіштеріне сүйене отырып, жаңа дарақтар үшін өмір сүру ұзақтығын болжамдауға мүмкіндік береді. Авторлар random forest деп аталатын шешуші ағаштарда оқытудың жетілдірілген алгоритмін немесе шешуші ағаштар ансамблі негізінде жіктеуішті қолданды. Оның мәні шағын іріктемеде толық дәл емес болуы мүмкін шешімдердің бір емес, олардың әрқайсысы бастапқы деректер жиынтығының кездейсоқ іріктемесіне құрылатын бірнеше (көп) ағаштардың пайдаланылуында. Бұл жағдайда болжамды модель көптеген ағаштар бойынша орташалау түрінде құрылады (шешуші ағаштар комитеті), бұл болжамдардың сапасын жақсартуға мүмкіндік береді. Осылайша, алгоритмде осындай шешуші 1000 ағаш оқытушы деректердің кездейсоқ іріктемелерінің санына сүйене отырып пайдаланылды.

Әзірленген модельдің негізгі болжамды қолданылуы - өмір сүру ұзақтығын ұлғайтатын әртүрлі клиникалық және терапиялық әсерлердің әсерін бағалау - мысалы, диета немесе қандай да бір дәрілік препарат. Бұл жағдайда лонгитюдтік зерттеулер кез келген препарат үшін шамамен үш жылға (тышқанның орташа өмір сүру уақыты) созылуы тиіс. Сондықтан мұндай болжамды биометрика – таңдалған бағыттың қаншалықты перспективалы екендігі туралы алдын ала қорытынды ала отырып, зерттеу уақытын қысқартуға мүмкіндік беретін құрал.

Келесі кезеңде болжамды модельдер бұрын FI индексін өлшеумен өмірді ұзартатын ферменттердің әсерін сынаған тышқан топтарында тексерілді. Зерттеушілердің айтуынша, машинамен оқытудың ұсынылған моделі өмір сүру ұзақтығын арттыру үшін тиісті терапияның пәрменділігін дұрыс болжай алды.

ЖИ жүйесі сондай-ақ қартаюдың белгілі бір көрсеткіштері денсаулық жағдайымен және тышқанның болашақтағы өмір сүру ұзақтығының перспективаларымен неғұрлым тығыз байланысты деп қорытындылауға мүмкіндік берді. Мысалы, есту қабілетінен айырылу дәрежесі және дене демікпесі көру қабілетінен айырылу мен шаш түсуіне қарағанда биологиялық жасына байланысты болды. Бұл тұжырымдар зертханалық тышқандарға ғана қатысты екенін тағы да атап өту қажет. Әзірге жасанды интеллект адамның өмір сүру ұзақтығын болжай алмайды. Бұл жерде тышқандарға қарағанда шешуші факторлар едәуір көп болады және олар біршама күшті байланыста болады.

Осыған ұқсас FI қартаю көрсеткіштері адамдар үшін де бар. Оның үстіне, FI әдістемесінің өзі тышқандар үшін және адам үшін бастапқы әзірленген көрсеткіштердің бейімделуі болып табылады. Бірақ биологтардың қарамағында өлім-жітім бойынша деректерді қоса алғанда, 60-тан 90 жасқа дейінгі адамдардың денсаулығын жүйелі бақылайтын деректердің сенімді іріктемесі жоқ. Алайда болашақта олар өмір сүру ұзақтығын және өмірді ұзарту үшін әртүрлі терапиялық іс-шаралардың тиімділігін жедел бағалау үшін машинамен оқытудың ұқсас жүйесін әзірлеуді жоспарлап отыр.

Осы салада жұмыс істейтін және тышқандармен тәжірибе жүргізетін зерттеушілерге жұмыс авторлары олардың құрал-саймандарын FI индекстерінің арнайы сайт-калькуляторында және биологиялық жастың және тышқанның күтілетін өмір сүру уақытының ЖИ болжамды үлгілерінде пайдалануды ұсынады.

Дереккөзі: https://22century.ru/medicine-and-health/91349

Фотосурет ашық дереккөздерінен алынды

Бөлісу
Сондай-ақ, қараңыз

Ең қызықты материалдар сіздің электронды поштаңызда. Біздің жаңалықтарға жазылыңыз.

Сарапшыға сұрақ қойыңыз
Сарапшыға сұрақ қойыңыз
Өтініш қалдыру