بهره گیری از یادگیری ماشین برای مبارزه با باکتری‌‌های مقاوم

گروهی از پژوهشگران اخیرا به فکر اجرایی کردن ایده‌‌ای افتاده‌اند که در آن با بهره گیری از روش یادگیری ماشین، عفونت‌‌هایی را که به شدت برابر درمان آنتی بیوتیکی به مقاومت رسیده‌اند مطالعه کنند. این کار که نتایج مثبت آن، خیلی زود هم آشکار شد، می‌‌تواند به فهم بهتر نحوه‌‌‌‌‌ی عملکرد باکتری‌‌ها و در نتیجه دستیابی به درمان‌‌های بهتر و کارآمدتر بیانجامد.

الگوریتمی با نام "denoising autoencoder" که اخیرا به منظور یافتن الگوهای غالب یا ویژگی‌‌های برتر در حجم وسیع داده‌‌ها بدون اینکه مشخصه‌‌‌‌‌ی ویژه‌‌ای در آن مورد توجه قرار گرفته باشد توسعه یافته است که به این منظور به کار گرفته شد. این الگوریتم که پیشتر، برای کاربردهای بسیاری همچون تحلیل مجموعه تصاویر یوتیوب به کار گرفته شده بود هم اکنون در خدمت این پژوهشگران قرار گرفته تا بتوانند از آن برای تحلیل باکتری‌‌ها استفاده کنند.

این گروه که در دانشگاه پنسیلوانیا به فعالیت می‌‌پردازند، از این الگوریتم برای فهم بهتر و دقیق تر موجودات زنده و ژنوم آن‌‌ها بهره گرفته اند. برای مثال آنها از سامانه‌‌‌‌‌ی ویژه‌‌ای با نام اختصاری ADAGE برای تحلیل باکتری به نام Pseudomonas aeruginosa که با بیماری‌‌هایی همچون فیبروز سیستیک و دیگر مشکلات مزمن ریوی ارتباط دارد. این مورد از آن جهت انتخاب شد که نسبت به درمان با آنتی بیوتیک‌‌های معمول به شدت مقاومت نشان می‌‌دهد.

داده‌‌های لازم برای این کار از حدود ۱۰۹ منبع داده جداگانه تهیه شد که شامل حدود 5000 ژن به همراه تمامی داده‌‌ها و جزییات مربوط به نحوه‌‌‌‌‌ی انجام آزمایش می‌‌شد. هدف از این کار آن است که دریابند چه الگوهای غالبی در تشریح ژنوم وجود دارد و این الگوها چگونه در اثر تغییر در شرایط محیطی مثلا با حضور انتی بیوتیک‌‌ها دچار تغییر می‌‌شوند.

با وجود تمام پیچیدگی‌ها، الگوریتم ADAGE در حقیقت عملکردی در حد مغزی با چند ده نورون را داراست. با این حال گذشته از این سادگی، این الگوریتم توانسته ارتباط بین تعدادی از ژن‌‌ها را تشخیص داده و برخی از ژن‌‌هایی را که با یکدیگر کار می‌‌کنند را نیز تعیین کند. ضمنا این الگوریتم توانسته تفاوت‌‌هایی را بین الگوی باکتری‌‌هایی که از بدن بیماران گرفته شده‌اند و باکتری‌‌های آزمایشگاهی پیدا کند.

با توجه به نتایج مثبتی که تاکنون به دست آمده، پژوهشگران مطمئن هستند که این روش می‌‌تواند به یافتن روشی موثر برای مبارزه با عفونت ریوی فیبروز سیستیک بیانجامد. همچنین این پژوهشگران اطمینان دارند بهره گیری از چنین روش‌‌هایی می‌‌تواند به پیشرفت‌‌های چشمگیری در زمینه‌‌‌‌‌ی مبارزه با بیماری‌‌ها بیانجامد.

بهره گیری از سامانه‌‌های پردازشی پیشرفته در همراهی با ابرداده‌‌ها و الگوریتم‌‌های پیچیده و پیشرفته‌‌‌‌‌ی پردازشی و در یک کلام هوش مصنوعی بدون نظارت انسان می‌‌توان به دستیابی به یافته‌‌هایی بیانجامد که پیش از این حتی مورد توجه ما قرار نگرفته بود که خود راه حل‌‌هایی را به ما ارائه می‌‌دهد که پیش از این دستیابی به آن‌‌ها ناممکن به نظر می‌‌رسید.

کم کم شما هم طعم لذت بخش بهره گیری از هوش مصنوعی را در زندگی تجربه خواهید کرد، طعمی که شیرینی آن روشنگر مزه‌‌‌‌‌ی نهایی آن نخواهد بود، با این‌حال راهی جز چشیدن آن ندارید. به نظرتان بزرگ‌ترین مساله‌‌‌‌‌ی بشری "مرگ" روزی مغلوب چنین حریف قدرتمندی (هوش مصنوعی) خواهد شد؟

ویدیو مرتبط :
مقاوم شدن باکتری ها در مقابل آنتی بیوتیک ها