NGC 3718, NGC 3729 e outras galáxias mostrado acima foram analisados por meio de algoritmos de aprendizagem de máquina que pode ser "ensinado" a reconhecer semelhanças astrofísicos. A mesma tecnologia está agora a ser aplicado a imagens de cancro, bem como. Todos os dias, nave espacial NASA feixe para baixo centenas de petabytes de dados, todos os quais tem de ser codificada, armazenada e distribuída para os cientistas em todo o mundo. Cada vez mais, a inteligência artificial está ajudando a "ler" estes dados, bem como, destacando semelhanças entre conjuntos de dados que os cientistas podem errar.
Nos últimos 15 anos, as técnicas de big data desenvolvidas por Jet Propulsion Laboratory da NASA em Pasadena, Califórnia, têm sido revolucionando a investigação biomédica. Em 06 de setembro de 2016, JPL e do National Cancer Institute (NCI), parte dos Institutos Nacionais de Saúde, renovou uma parceria de pesquisa até 2021, estendendo-se o desenvolvimento da ciência de dados que se originou na exploração do espaço e agora está a apoiar novas descobertas de câncer .
The Early Detection Research Network NCI-suportado (EDRN) é um consórcio de investigadores biomédicos que compartilham dados anónimos sobre biomarcadores de câncer, química ou assinaturas genéticas relacionadas ao câncer específicos. Seu objetivo é reunir todos os seus dados de pesquisa em uma única rede, pesquisável, com o objetivo de traduzir seu trabalho coletivo em técnicas para o diagnóstico precoce do câncer ou o risco de câncer.
No momento em que trabalhamos juntos, os esforços da JPL e EDRN levaram à descoberta de seis novos biomarcadores de câncer Food and Drug Administration-aprovado e nove biomarcadores aprovado para uso em clínicas Laboratory Improvement Alterações laboratórios. A FDA aprovou cada um destes biomarcadores para utilização na pesquisa e diagnóstico do cancro. Esses biomarcadores aprovado pela agência foram utilizados em mais do que 1 milhão de testes de diagnóstico de doentes em todo o mundo.
"Após a fundação da EDRN em 2000, a especialização necessária rede para ter dados de vários estudos sobre biomarcadores de câncer e criar uma rede única, pesquisável dos resultados da investigação para cientistas", disse Sudhir Srivastava, chefe da Biomarkers Grupo de Pesquisa do Câncer do NCI e chefe de EDRN. JPL teve décadas de experiência fazendo um trabalho semelhante para a NASA, onde nave espacial transmitir centenas de petabytes de dados a ser codificada, armazenada e distribuída para os cientistas em todo o mundo.
Dan Crichton, o chefe do Centro de JPL para a Ciência e Tecnologia de dados, uma iniciativa conjunta com Caltech, em Pasadena, Califórnia, ajudou a estabelecer um centro de informática com sede em JPL dedicada a apoiar grandes esforços de dados do EDRN. Na parceria renovada, JPL está expandindo seus esforços de ciência de dados para a pesquisa e aplicação de tecnologias para os programas de NCI-financiados adicionais. Esses programas incluem EDRN, o Consórcio for Molecular e Celular caracterização de lesões detectados na triagem e de Tecnologia de Informática para a iniciativa Cancer Research.
"Do ponto de vista da NASA, existem oportunidades significativas para o desenvolvimento de novas capacidades de ciência de dados que podem apoiar tanto a missão de explorar o espaço e pesquisa do câncer utilizando abordagens metodológicas comuns", disse Crichton. "Temos uma grande oportunidade para aperfeiçoar as técnicas e crescer tecnologias de ciência de dados do JPL, ao servir nossa nação.
Crichton disse JPL tem liderado o caminho quando se trata de obtenção de dados a partir de observações matérias para conclusões científicas. Um exemplo: JPL muitas vezes lida com medições a partir de uma variedade de sensores - por exemplo, câmeras e espectrômetros de massa. Ambos podem ser usados para estudar uma estrela, planeta ou objecto semelhante alvo. Mas é preciso um software especial de reconhecer que as leituras de instrumentos muito diferentes se relacionam entre si.
Há um problema semelhante na pesquisa do câncer, onde as leituras de diferentes testes biomédicos ou instrumentos exigem correlação com o outro.Para que isso aconteça, os dados têm de ser padronizadas e algoritmos devem ser "ensinado" a saber o que eles estão procurando.
Desde a época de sua fundação, grande desafio da EDRN tem sido o acesso.centros de investigação em todo os Estados Unidos tinham um grande número de espécimes de biomarcadores, mas cada um tinha sua própria maneira de rotulagem, armazenamento e compartilhamento de seus conjuntos de dados.Dez sites podem ter amostras de alta qualidade para o estudo, mas se os seus elementos de dados comuns - a idade do paciente, tipo de câncer e outras características - não são listados de forma uniforme, que não pode ser estudada como um todo.
"Nós não sabíamos se eles estavam em estágio inicial ou em estágio final espécimes, ou se qualquer nível de tratamento tinha sido tentado", disse Srivastava. "E JPL nos disse: 'Nós fazemos esse tipo de coisa o tempo todo! Isso é como gerimos o nosso sistema de dados planetários.'"
Como a rede tem desenvolvido, que acrescentou membros de dezenas de instituições, incluindo Geisel School of Medicine da Dartmouth College; Hospital Geral de Massachusetts, da Harvard Medical School; de Stanford NIST Medidas Genoma-Scale Grupo; University of Texas 'MD Anderson Cancer Center; e muitos outros.
Christos Patriotis, diretor de programa no Biomarkers Grupo de Pesquisa do Câncer do NCI, disse que os membros da rede incluem agora pesquisadores internacionais do Reino Unido, China, Japão, Austrália, Israel e Chile.
"Quanto mais se expandir, mais dados que integramos", disse Patriotis. "Em vez de ser silos, agora os nossos parceiros podem integrar as suas conclusões. Cada sistema pode falar com os outros."
Como JPL e os avanços de colaboração do NIC, os próximos passos incluem tecnologia de reconhecimento de imagem, tais como ajudar EDRN imagens de arquivo de amostras de cancro. Essas imagens podem ser analisadas por visão computacional, que é actualmente utilizado para identificar semelhanças em aglomerados de estrelas e outras pesquisas astrofísica.
Num futuro próximo, Crichton disse, algoritmos de aprendizado de máquina poderia comparar uma tomografia computadorizada com um arquivo de imagens semelhantes, em busca de sinais precoces de câncer com base na idade do paciente, origem étnica e outros dados demográficos.
"À medida que desenvolver métodos mais automatizados para detectar e classificar características em imagens, vemos grandes oportunidades para melhorar a descoberta de dados", disse Crichton. "Temos exemplos em algoritmos para detecção de características em imagens de astronomia foram transferidos para a biologia e vice-versa."
O Galaxy diário via http://edrn.cancer.gov
Crédito da imagem: Catalina Sky Survey, U do Arizona, e Catalina Realtime Transient Pesquisa, Caltech.
Nenhum comentário:
Postar um comentário