به گزارش بنیان به نقل از medicalxpress، در پژوهشی جدید محققین از الگوریتم یادگیری ماشینی موسوم Risk Assessment Population IDentification (RAPID به استفاده کرده اند که به صورت مستقل و خودکار به جمعیت های سلولی از نظر ریختی متفاوت می پردازد و تعیین کرده اند که آیا این جمعیت روی بقای بیماران اثر می گذارند یا خیر. با پایگاه داده مربوط به بیش از 2 میلیون سلول مربوط به 28 نمونه بیمار، الگوریتم یادگیری ماشینی RAPID سلول های توموری را شناسایی کرد که فراوانی شان به طور مستقل و مداوم روی میزان بقای بیماران تاثیر می گذارد. به عقیده محققین، این اولین بار است که از یک الگوریتم یادگیری ماشینی برای دسته بندی سلول های تاثیر گذار بر بقای بیماران مبتلا به سرطان گلیوبلاستوما استفاده می شود.

پایان مطلب/