Los investigadores de la Universidad de Florida se centran en una diferencia significativa en la investigación genética médica, lo que garantiza que represente y beneficie a las personas de todos los orígenes.
El Departamento de Informática e Ciencia e Ingeniería de la Información, bajo el liderazgo de un doctorado, encabezado por su trabajo, se centra en mejorar la salud humana al tratar con el “prejuicio ancestral” en los datos genéticos, cuando la mayoría de la investigación se basa en los datos de un grupo de origen. Graeme dijo que este prejuicio limita el progreso en los medicamentos de precisión, y cuando se trata de curar y prevención de enfermedades, deja grandes partes de la población mundial.
Para resolver esto, el equipo desarrolló un Felofram, una herramienta de aprendizaje automático que utiliza inteligencia artificial para datos genéticos. Con el financiamiento del Instituto Nacional de Salud, para mejorar el propósito de que las enfermedades se predijan, diagnostican y traten con todos, independientemente de ello. Una disertación que describe el procedimiento de marco de compañeros y cómo ha mostrado una mejora significativa en los resultados de los medicamentos de precisión. Comunicación de la naturaleza.
Para centrarse en el prejuicio ancestral en los datos genómicos, la inspiración de Graeme se desarrolla con un médico que estaba decepcionado con la limitada compatibilidad de estudiar con la población de sus diversos pacientes. Debido a esta colisión, se vio obligado a descubrir cómo AI puede ayudar a eliminar la diferencia en la investigación genética.
“Pensé para mí mismo”, puedo solucionar este problema “, dijo Graeme, cuyos centros de investigación están en torno a los medicamentos relacionados con el aprendizaje automático y la salud y están capacitados en la genómica de la población. “Si nuestros datos de entrenamiento no son similares a nuestros datos del mundo real, tenemos formas de lidiar con el uso del aprendizaje automático. No son perfectos, pero pueden hacer mucho para resolver este problema”.
Aprovechando los datos de gnomad de la base de datos de la genómica de la población, el filerifium conecta una base de datos a gran escala de genoma humano saludable que se acompaña de pequeñas datos relacionados con enfermedades utilizadas para capacitar modelos de medicamentos de precisión. El modelo que lo crea está mejor equipado para manejar diversos antecedentes genéticos. Por ejemplo, puede predecir diferencias entre los tipos sub -tipos de enfermedades como el cáncer de mama y sugerir el mejor tratamiento para cada paciente, independientemente del linaje del paciente.
No es una pequeña hazaña actuar sobre una cantidad tan grande de datos. El equipo utiliza el hipergorger de la UF, una de la supercomputadora más poderosa del país para analizar la información genómica de millones de personas. Para cada persona, esto significa acción en una pareja base de ADN de 3 mil millones.
Graeme dijo: “No pensé que también funcionaría con él”. “El impacto de agregar los datos de la genómica de la población al impacto de agregar un modelo simple para mostrar que lo que comenzó como un pequeño proyecto ha desarrollado fondos para producir modelos más sofisticados y cómo se aprecia la población”.
Sea lo que sea que determine, su capacidad es garantizar que las predicciones sean correctas al considerar las diferencias genéticas asociadas con la generación. Esto es muy importante porque la mayoría de los modelos existentes se realizan utilizando datos que no representan completamente la población mundial. La mayoría de los datos actuales provienen de hospitales de investigación y pacientes que confían en el sistema de atención médica. Esto significa que en las ciudades pequeñas, la población o aquellos que no están de acuerdo con el sistema médico a menudo se quedan, lo que dificulta desarrollar un mejor tratamiento de trabajo.
También estimaron que el 97 % de las muestras organizadas son del linaje europeo, financiamiento y prioridades de nivel nacional, nacional y estatal, pero también debido a factores económicos sociales que tienen el potencial de tratar, como los efectos del seguro en diferentes niveles, por ejemplo, por ejemplo.
“Algunos otros países, especialmente China y Japón, han estado tratando de cerrar esta brecha recientemente y, por lo tanto, hay más datos de estos países, pero antes de eso, no había nada como los datos europeos”, dijo. “La pobre población generalmente está completamente excluida”.
Por lo tanto, las cifras de entrenamiento son esenciales, dijo Graeme.
“Queremos que este modelo funcione para cualquier paciente, no solo en nuestra educación”, dijo. “Colocar datos de capacitación diversos también mejora los modelos para los residentes europeos. La colocación de la genómica de la población ayuda a evitar que los modelos obtengan cada vez más, lo que significa que funcionarán mejor para todos, incluidos los europeos”.
Graeme cree que herramientas como Phyophrim finalmente se utilizarán en un entorno clínico, reemplazando los modelos tradicionales y preparando proyectos de tratamiento basados en su composición genética. Los próximos pasos del equipo incluyen mejorar el marco de flujo de flujo y expandir sus solicitudes a más enfermedades.
Él dijo: “Mi sueño es ayudar a buscar medicamentos de precisión a través de dicho método de aprendizaje automático, para que las personas puedan diagnosticarlos y tratarlos que funcionen específicamente para ellos y con menos efectos secundarios”. “Tratar a la persona adecuada en el momento adecuado es la que estamos intentando”.
El proyecto de Graeme recibió fondos del premio de subvención AI2 de la Oficina de Medicina de la UF College of Research, que está diseñado para ayudar a los investigadores y médicos a utilizar herramientas de IA para mejorar la salud humana.
