UTHSC遗传学、基因组学和信息学系副教授 Yan Cui 博士最近从美国国家癌症研究所获得了 170 万美元的资助，用于一项题为“基于算法的预防和减少因数据不平等引起的癌症健康差异”的研究。 ”
崔博士的项目旨在预防和减少由癌症相关基因组和临床组学研究中的种族偏见数据引起的健康差异。他的目标是建立一种新的机器学习范式，用于多民族临床组学数据。
近 20 年来，科学家们一直在使用全基因组关联研究(称为 GWAS)和临床组学研究来检测疾病的分子基础。但统计数据显示，GWAS 中使用的 80% 以上的数据来自主要是欧洲血统的人。
随着人工智能 (AI) 越来越多地应用于生物医学研究和临床决策，这种以欧洲为中心的倾斜将加剧长期存在的健康差距。由于不到 20% 的基因组样本来自非欧洲人后裔，代表性不足的人群在数据驱动、基于算法的生物医学研究和医疗保健方面处于严重劣势。
“生物医学数据的劣势已成为世界绝大多数人口的重大健康风险，”崔博士说。“人工智能驱动的精准医疗对于包括美国所有少数族裔在内的数据弱势人群的精确度将降低我们致力于解决因数据不平等而引起的健康差异。”
该项目在将使用的机器学习技术类型方面具有创新性。多民族机器学习通常使用混合学习和独立学习方案。崔博士的项目将改为使用迁移学习过程。
迁移学习的工作方式与人类学习大致相同。面对新任务时，该算法不是从头开始学习过程，而是利用从解决相关任务中学到的模式。这种方法大大减少了开发新模型所需的资源和数据量。
使用大规模癌症临床组学数据和基因型-表型数据，崔博士的实验室将研究迁移学习如何以及在多大程度上改善数据劣势队列的机器学习。与此同时，该团队旨在为公正的多民族机器学习创建一个开放的资源系统，以防止或减少新的健康差异。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！