UTHSC遺傳學、基因組學和信息學系副教授 Yan Cui 博士最近從美國國家癌癥研究所獲得了 170 萬美元的資助，用于一項題為“基于算法的預防和減少因數據不平等引起的癌癥健康差異”的研究。 ”
崔博士的項目旨在預防和減少由癌癥相關基因組和臨床組學研究中的種族偏見數據引起的健康差異。他的目標是建立一種新的機器學習范式，用于多民族臨床組學數據。
近 20 年來，科學家們一直在使用全基因組關聯研究(稱為 GWAS)和臨床組學研究來檢測疾病的分子基礎。但統(tǒng)計數據顯示，GWAS 中使用的 80% 以上的數據來自主要是歐洲血統(tǒng)的人。
隨著人工智能 (AI) 越來越多地應用于生物醫(yī)學研究和臨床決策，這種以歐洲為中心的傾斜將加劇長期存在的健康差距。由于不到 20% 的基因組樣本來自非歐洲人后裔，代表性不足的人群在數據驅動、基于算法的生物醫(yī)學研究和醫(yī)療保健方面處于嚴重劣勢。
“生物醫(yī)學數據的劣勢已成為世界絕大多數人口的重大健康風險，”崔博士說。“人工智能驅動的精準醫(yī)療對于包括美國所有少數族裔在內的數據弱勢人群的精確度將降低我們致力于解決因數據不平等而引起的健康差異。”
該項目在將使用的機器學習技術類型方面具有創(chuàng)新性。多民族機器學習通常使用混合學習和獨立學習方案。崔博士的項目將改為使用遷移學習過程。
遷移學習的工作方式與人類學習大致相同。面對新任務時，該算法不是從頭開始學習過程，而是利用從解決相關任務中學到的模式。這種方法大大減少了開發(fā)新模型所需的資源和數據量。
使用大規(guī)模癌癥臨床組學數據和基因型-表型數據，崔博士的實驗室將研究遷移學習如何以及在多大程度上改善數據劣勢隊列的機器學習。與此同時，該團隊旨在為公正的多民族機器學習創(chuàng)建一個開放的資源系統(tǒng)，以防止或減少新的健康差異。
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯系刪除！