
Un team di ricercatori dell’Università King Abdullah per la Scienza e la Tecnologia afferma di stare utilizzando un nuovo approccio di deep learning considerato come “creativo e combinato” per trovare modelli e correlazioni tra geni e malattie.
Il nuovo algoritmo utilizza vari modelli statistici per identificare eventuali associazioni tra i dati.
Nello stesso comunicato stampa si fa l’esempio secondo il quale inserendo un numero sufficiente di immagini taggate come “Jack”, il sistema potrà poi da solo trovare altre immagini che includono Jack senza più alcun suggerimento.
Tuttavia il numero di dati da inserire nei programmi onde ottenere l’apprendimento automatizzato è così alto che gli stessi scienziati dichiarano di aver utilizzato un approccio “creativo”, così creativo che Panagiotis Kalnis, uno specialista in gestione di database e i delle informazioni, e Xin Gao , bioscienziato convenzionale, hanno sviluppato un modello di deep learning che “supera gli attuali metodi all’avanguardia”.
Hanno combinato vari set di dati noti e sono riusciti ad insegnare agli algoritmi come identificare le malattie con manifestazioni simili, il tutto utilizzando un modello di apprendimento profondo denominato rete convoluzionale grafica.
Il risultato? L’algoritmo è in grado di identificare associazioni complesse e non lineari tra geni e malattie, una cosa che permette ai ricercatori di prevedere nuove associazioni.
Gli stessi ricercatori vogliono comunque ancora migliorare la qualità di precisione del software dandogli in pasto ancora più dati.
Approfondimenti
- AI learns complex gene-disease patterns | KAUST Discovery (IA)
- GCN-MF (IA) (DOI: 10.1145/3292500.3330912 )