Jelentősen felgyorsíthatja a fertőző betegségek terjedésének elemzését egy új mesterséges intelligencia-módszer, melyet az INRAE kutatói teszteltek. A technológia akár több ezer genetikai szekvencia egyidejű feldolgozására is alkalmas lehet.
A mesterséges intelligencia új lehetőséget kínálhat a fertőző betegségek terjedésének gyorsabb megértésére.
Az INRAE francia intézet (Institut national de recherche pour l’agriculture, l’alimentation et l’environnement) kutatói olyan mélytanulási módszert alkalmaztak, amely segítségével a kórokozók genetikai adatai a korábbiaknál gyorsabban elemezhetők.
A kutatás hátterében a filodinamika áll, amely az elmúlt mintegy 25 évben fontos szerepet töltött be az epidemiológiai vizsgálatokban. A tudományterület a kórokozók genetikai szekvenciáit használja fel annak feltérképezésére, hogyan változnak és terjednek a fertőzések.
A genetikai adatokból következtetnek a terjedésre
A kutatók matematikai módszerekkel úgynevezett filogenetikai fákat hoznak létre. Ezekben minden egyes ág egy lehetséges átviteli láncot, a levelek pedig egy-egy fertőzést jelölnek.
Az ágak hossza információt adhat a kórokozóban bekövetkezett mutációk számáról, míg az elágazási pontok segítségével feltárhatók a különböző kórokozók közötti genetikai kapcsolatok. Ennek köszönhetően egy adott törzs eredete egészen a korábbi, úgynevezett szülőtörzsig visszakövethető, majd összehasonlítható a genetikai állományuk.
A filogenetikai fákat különböző algoritmusok segítségével állítják elő. Ezek azt próbálják meghatározni, hogy a rendelkezésre álló genetikai adatok alapján melyik lehet a legvalószínűbb evolúciós kapcsolat.
Az ilyen elemzésekből több fontos járványügyi paraméter is meghatározható. Többek között megbecsülhető, milyen gyorsan terjed egy kórokozó, mennyi ideig tart egy fertőzés, illetve milyen földrajzi területről származhat.
Hatalmas mennyiségű adatot kell feldolgozni
A megbízható eredményekhez azonban nagyszámú genetikai szekvencia elemzésére van szükség. A kutatóknak ezeket ráadásul össze kell vetniük a hagyományos epidemiológiai adatokkal, amelyek az érintett populációk megfigyelésén alapulnak.
Ez komoly számítási kihívást jelent. A rendelkezésre álló adatok ugyanis sokfélék lehetnek: a genetikai szekvenciák mellett például a mintavétel időpontját, a fertőzöttség gyakoriságát és a földrajzi elhelyezkedést is figyelembe kell venni.
A nagy mennyiségű és összetett adat feldolgozására az INRAE kutatói egy neurális hálózatokon alapuló mélytanulási módszert, az úgynevezett neural posterior estimationt (NPE) alkalmazták.
A technológiát korábban elsősorban olyan területeken használták, mint az idegtudomány vagy az asztrofizika. A kutatók most azt vizsgálták, vajon alkalmazható-e a fertőző betegségek terjedésének genetikai alapú elemzésében.
Az ebolajárvány adataival tesztelték
A módszer működését a 2014-es Sierra Leone-i ebolajárvány adataival vizsgálták. A kutatócsoport összesen 72 vírusgenomot tartalmazó adathalmazt elemzett.
Az eredmények alapján az NPE segítségével a filogenetikai fákból kiszámított paraméterek hasonlóak voltak azokhoz, amelyeket a hagyományos következtetési módszerekkel kaptak.
A kutatók szerint ez az első alkalom, hogy ezt a mesterségesintelligencia-alapú módszert genetikai adatokkal, filodinamikai alkalmazásban használták.
Valós időben is követhetők lehetnek a járványok
Az új módszer egyik legfontosabb előnye, hogy jóval gyorsabban kalibrálhatók vele a matematikai modellek, miközben nagy mennyiségű és különböző típusú adat is beépíthető az elemzésbe.
A technológia akár több ezer genetikai szekvencia feldolgozására is alkalmas lehet. Ez különösen fontos lehet egy gyorsan terjedő járvány esetén, amikor az egészségügyi szakembereknek rövid idő alatt kell értékelniük a rendelkezésre álló információkat.
A nagy teljesítményű algoritmusok alkalmazása így új lehetőséget teremthet a járványok és az állatállományt érintő járványos megbetegedések valós idejű kezelésében is. A szakemberek a jövőben akár valós időben tesztelhetnek különböző forgatókönyveket, miközben az újonnan érkező adatokat folyamatosan hozzáadhatják a modellekhez.
A kutatók szerint mindez hozzájárulhat ahhoz, hogy a fertőző betegségek terjedését gyorsabban lehessen követni, és a döntéshozók hamarabb reagálhassanak egy kialakuló járványhelyzetre.
A kutatócsoport részletes online útmutatókat is közzétett annak érdekében, hogy más szakemberek is megismételhessék és továbbfejleszthessék az elemzési módszert.
A tanulmány a Proceedings B című tudományos folyóiratban jelent meg.
Olvasd el ezt is: Elképesztő – Memóriavesztés elleni mesterséges intelligencia-eszköz a láthatáron?
Forrás: Medicalxpress
B.A.
