源之原味

 

这篇文章来自 nvidia.com。原始 url 是: https://blogs.nvidia.com/blog/2018/09/03/ai-for-immunotherapy-treatment/

以下内容由机器翻译生成。如果您觉得可读性不好, 请阅读原文或 点击这里.

澳大利亚昆士兰州拥有丰富的阳光、大海和沙滩, 沿着其看似无穷无尽的金色海滩。或许并不奇怪, 澳大利亚州被诅咒为世界上黑色素瘤发病率最高的州之一, 黑色素瘤也是一种相对罕见但严重的皮肤癌形式。

马克斯·凯尔森, 一家总部设在布里斯班的创业公司 nvidia 初始计划 成员, 正在使用 ai, 以提高黑色素瘤患者成功的机会使用免疫治疗, 一种与人体免疫系统的治疗, 以促进增强对疾病的反应。

免疫治疗可以改变生活的结果, 但其效果差别很大。一个癌症患者可能会进入缓解期, 没有疾病的证据, 另一个癌症患者可能会发现他们的免疫系统攻击健康的器官和细胞。

部分由于其成本高, 答复率普遍较低, 在许多情况下, 免疫治疗仅限于晚期癌症的治疗。max kelsen 的研究人员正在使用 ai 和基因组学来识别可靠的标记, 并开发一种测试, 以更好地预测哪些患者将在治疗前从免疫治疗中受益。

建立一个测试, 以更好地预测处理

在澳大利亚联邦政府的资助下, max kelsen 与 genomia qa、bgi australian、metro north healthhealthservice 和 qimr berghofer 医学研究所合作。

每个项目都带来了一个至关重要的专业领域-max kelsen 利用 ai 挖掘大数据并探索新的见解, 基因组学 a 专门研究基因组数据分析, bgi 是基因组测序的主要供应商, qimr berghofer 是免疫学和癌症领域的领导者基因组研究。

max kelsen 首席执行官尼古拉斯?塞克尔森 (max kelsen) 首席执行官尼古拉斯?塞克尔森 (nicolas therkelsen-terry) 表示: "我们的项目是研究基因组测序, 而不仅仅是单个标记。"该项目将牢固确立人工智能和全基因组分析在精密医学未来的作用。

人工智能在基因组学中的应用缓慢, 因为高质量的数据数量很少, 相关的健康结果和所需的计算能力巨大。

大约 3, 000 人的32亿基因组碱基对的整个序列相当于一个疯狂的 30 pb 的压缩数据。另一个选项是查看一个称为变体调用格式 (vcf) 文件的已处理文件, 该文件为同样的 3, 000 人存储每人约50mb 的数据, 总共为 150 gb 的数据。

为了计算这些数据, max kelsen 依靠的是两个装有六个 nvidia tesla v100 张量核心 gpu 在每一个。"有了 nvidia, 我们可以处理必要的数据大小, 以便在今天的癌症治疗中发挥真正的作用," therkelsen-terry 说。

使用复杂的人工智能方法, max kelsen 计划整合基因组、转录和患者临床信息, 以确定分类器并开发治疗反应测试。该分类器将使用几个黑色素瘤项目的基因组数据进行开发。然后, 这将在澳大利亚卫生系统内使用常规做法收集的第二批400名肺癌患者中得到验证和完善。

最初的方法是 半监督学习 包括建立解释基因组特征的一般模型。通过将基因组信息定义为一种语言, 可以将基因组的整个结构类比为一个结构化的章节、段落、句子和短语。

"我们围绕一种技术做了大量的工作, 在这种技术中, 你有一个经纪人, 它梦想着新的场景, 并在梦中训练," therkelsen-terry 说。"它正在学习真实世界在梦中的表现, 或者合成虚假的类似场景, 在这种场景中, 它能够创建比现有培训数据提供的更大的搜索基础。

降低发病率、死亡率

max kelsen 及其合作伙伴有三年的时间来解决这些问题。他们的目标是在2019年7月之前发表第一篇关于 vcf 建模和黑色素瘤的论文。

最终, 目标是通过确保临床医生最好地了解如何治疗患者以及谁最适合接受免疫治疗, 降低与黑色素瘤和肺癌相关的发病率和死亡率。然后, 它将被应用于推导出其他癌症类型的分类器。

"除了一个肿瘤是否会对免疫治疗做出反应之外, 我还想把深度学习作为医学未来工具箱中的一个关键工具, 把专业人员作为解决我们今天面临的一些非常大问题的方法", "塞克尔森-特里说。

Leave A Reply

Your email address will not be published.