Ученые создали модель PhyloFrame на основе искусственного интеллекта, чтобы сделать генетический анализ более точным. Она учитывает генетические особенности пациентов, связанные с их расовым и национальным происхождением Это позволяет лучше предсказывать, диагностировать и лечить болезни. Результаты исследования показали, что PhyloFrame повышает качество медицинских анализов, делая прогнозы более точными для разных групп населения. Работа опубликована в журнале Nature Communications.
У всех народов мира существуют свои генетические особенности, которые возникли из-за адаптации к различным условиям окружающей среды и исторического смешения с другими группами. Эти особенности проявляются в виде небольших изменений в ДНК. Хотя многие из них не оказывают заметного влияния на здоровье, некоторые могут влиять на предрасположенность к определенным заболеваниям или реакцию на лекарства. Большинство генетических тестов разрабатываются на основе данных, полученных от людей европейского происхождения. Это может привести к неточным или ложным результатам для людей из других этнических групп. Например, если тест ищет конкретный ген, связанный с заболеванием, который часто встречается у европейцев, тест может дать неправильный результат для человека африканского происхождения, у которого заболевание может быть связано с другим, менее изученным геном.
Ученые разработали новую модель ИИ, которая учитывает особенности генетической информации о популяции, из которой происходит пациент, для более точного определения диагноза. PhyloFrame интегрирует огромные базы данных здоровых геномов человека с небольшими наборами данных, специфичными для заболеваний. Модель анализирует миллионы геномов людей с разных точек планеты и учитывает особенности их происхождения при сравнении с данными по заболеваниям.
Этот метод позволяет создавать модели, способные учитывать различные генетические особенности. Например, PhyloFrame может прогнозировать различия между подтипами рака молочной железы и предлагать оптимальное лечение для каждого пациента, независимо от его происхождения. Исследователи считают, что PhyloFrame может быть использован в клинической практике для разработки индивидуальных планов лечения на основе генетических особенностей пациентов разного происхождения.
«Мы хотим, чтобы эти модели работали для любого пациента, а не только для тех, кто участвует в наших исследованиях. Наличие разнообразных обучающих данных делает модели лучше и для европейцев. Учет генетических особенностей популяций помогает предотвратить чрезмерную подгонку моделей, а значит, они будут лучше работать для всех, включая европейцев», — рассказала Кайли Грейм из Университета Флориды.
В будущем команда планирует усовершенствовать PhyloFrame и расширить его применение другие заболевания. Это улучшит раннюю диагностику и предоставит пациентам наиболее эффективное лечение с наименьшими побочными эффектами.
Автор: Оксана Гриценко.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
