Rákgyógyításban is segít a magyar „beszélgető” szoftver

Hírek
Egy magyar fejlesztésű képelemző program képes immár arra, hogy „digitális kollégaként” segítse az orvosok munkáját. A szoftver intelligens kérdésfeltevéssel kommunikál a biológussal/patológussal, és a szakember válaszai alapján folyamatosan tanul.

Hogy mi a csudára jó az, ha egy szoftverrel „cseverészni” lehet egy betegségről? Nem tudom, de nézzük mit is fejlesztettek ki a magyar mérnökök. A hírek szerint a program az orvosok válaszai alapján folyamatosan tanul, így képessé válik arra, hogy többmilliárdnyi sejt között olyan sejttípusokat fedezzen fel, amelyek új információkat adhatnak a biológiai mintákról. És ez miért jó? Azért, mert utat nyit mindez az új biomarkerek felfedezése, ezáltal a diagnosztika, a célzott gyógyszerkutatás vagy a személyre szabott terápia precizitásának növelése előtt. A szoftverhez ráadásul a szerzői szabad hozzáférést biztosítanak.

Mi is ez pontosan? Az alkotói szerint kutatási célú és felhasználóbarát kialakítású, szabadon hozzáférhető Advanced Cell Classifier (ACC v2.0) szoftver mesterséges intelligenciára és digitális képanalitkára épülő algoritmusokkal dolgozik, és újítást hoz az e célra elérhető egyéb programokkal összehasonlítva. A szegedi Horváth Péter és kutatócsoportja által írt képelemző programot bemutató közleményt a rendszerbiológia területének egyik legrangosabb nemzetközi folyóirata, a Cell Systems tette közzé!

Mi is a lényege? Az, hogy a gépi tanulás klasszikus, „passzív” irányzatával ellentétben az ACC v2.0 szoftver nem azt várja, hogy a szakember „mondja el” a tudását a gépnek, hanem aktív kommunikációt valósít meg a biológussal vagy a patológussal. Az elemzett képi adatok alapján a program intelligens kérdéseket tesz fel, és a kapott válaszokat beépíti saját tudástárába, így egyre növekvő pontossággal képes elemezni a rendelkezésre álló képadatokat.

„Röviden azt mondhatjuk, hogy az általunk írt képelemző program megpróbálja megtanulni, hogyan reprezentálja a szakember a tudást, vagyis mik azok a kulcsfontosságú jellemzők, amelyek a leginkább meghatározzák a döntéseit” – magyarázta Horváth Péter, az MTA Szegedi Biológiai Kutatóközpont Biokémiai Intézetéhez tartozó Szintetikus és Rendszerbiológiai Egység tudományos főmunkatársa.

Pontosan mit is csinál? Az alkotók szerint a program kommunikációja elsősorban a nehezen elkülöníthető sejttípusok osztályozását irányító emberi döntések összegyűjtését célozza. Így például, ha egy vizsgált sejt a szoftver által azonosított jellemzők alapján a már ismert „A” és „B” típus határvonalán helyezkedik el, akkor a program intelligens kérdésfeltevéssel „kideríti”, mi az a specifikus vonás, ami szerint a biológus/patológus elkülöníti és a megfelelő kategóriába (osztályba) sorolja a sejtet. A kapott információ megjegyzésével a későbbiekben már az összes hasonló sejtről képes lesz döntést hozni a program.

A kommunikációsorozat végeredményeként pedig alkalmassá válik arra, hogy potenciálisan új sejttípuskat fedezzen fel sok millió mikroszkópos kép többmilliárdnyi sejtje között – olyanokat, amelyek az analízis klasszikus módszereivel valószínűleg rejtve maradnának az emberi szem előtt. A minden eddiginél mélyrehatóbb, sejtszintű mikroszkópos adatelemzés persze nem jelenti azt, hogy a szakember idővel feleslegessé válna, hiszen a program által felfedezett új fenotípusok diagnosztikai és terápiás jelentőségének értékeléséhez továbbra is nélkülözhetetlen ez a fajta szaktudás.

„Orvosi szempontból kulcsfontosságú, hogy az általunk írt új szoftver segíti a személyre szabott kezelést, míg informatikai szemszögből áttörésnek tekintjük, hogy a mesterséges intelligencia segítségével sikerült megoldást találnunk egy egészen komplex mikroszkópos problémára” – nyilatkozta Horváth Péter, a Blood című folyóiratban szintén frissen publikált kutatásról.

A gyakorlati felhasználásának egy másik példájaként Horváth Péter a finnországi csoportjának egy kutatási együttműködését is bemutatta, amely a lipidek sejten belüli viselkedésének jellemzésére, és ezen keresztül a lipidtárolási zavarok molekuláris hátterének jobb megismerésére irányult. „Ezzel az új mikroszkópos eljárással nagyon gyorsan tudtuk monitorozni a lipideket és változásaikat a sejtben” – körvonalazta Horváth Péter a felhasználás lehetőségeit. Az eredményt a Nature Communications közölte 2017 márciusában.

Borítókép: illusztráció, MTI/Szigetváry Zsolt

Ezek is érdekelhetnek

További híreink