< Return to Video

پتانسیل‌های پزشکی هوش مصنوعی و متابولیت‌ها

  • 0:02 - 0:03
    در سال ۲۰۰۳،
  • 0:03 - 0:06
    وقتی ما ژنوم انسان را
    در توالی ترتیب قرار دادیم،
  • 0:06 - 0:10
    فکر می کردیم جواب درمان
    بسیاری از بیماریها را داریم
  • 0:11 - 0:14
    اما واقعیت بسیار با آن فاصله دارد،
  • 0:15 - 0:17
    چون علاوه بر ژن هایمان،
  • 0:17 - 0:21
    محیط زیست و سبک زندگیمان
    می تواند نقش چشمگیری
  • 0:21 - 0:24
    در توسعه ی خیلی از
    بیماری های مهم داشته باشد.
  • 0:24 - 0:27
    یک مثال از آن بیماری کبد چرب است،
  • 0:27 - 0:32
    که روی ۲۰ درصد از
    جمعیت جهانی تاثیر گذاشته است،
  • 0:32 - 0:35
    و درمانی ندارد و باعث سرطان کبد
  • 0:35 - 0:36
    یا نارسایی کبد می شود.
  • 0:38 - 0:42
    بنابراین توالی DNA به تنهایی
    اطلاعات کافی به ما نمی دهد
  • 0:42 - 0:45
    تا درمان موثری پیدا کنیم.
  • 0:45 - 0:48
    نکته ی مثبت اینجاست که مولکول های
    بسیاری در بدن ما وجود دارد.
  • 0:48 - 0:52
    در حقیقت بیش از ۱۰۰.۰۰۰
    متابولیت وجود دارد.
  • 0:52 - 0:57
    متابولیت هر مولکولی است که اندازه آن
    فوق العاده کوچک است.
  • 0:57 - 1:02
    مثالهای شناخته شده گلوکز، فراکتوز،
    چربی ها، کلسترول و .. هستند
  • 1:02 - 1:04
    چیزهایی که همیشه می شنویم.
  • 1:04 - 1:07
    متابولیت ها در متابولیسم ما نقش دارند.
  • 1:08 - 1:12
    آنها همچنین در پایین دست DNA قرار دارند ،
  • 1:12 - 1:17
    بنابراین حاوی اطلاعاتی از ژن های ما
    همینطور سبک زندگی ما هستند.
  • 1:17 - 1:23
    فهمیدن متابولیت ها برای پیدا کردن
    درمان بسیاری از بیماری ها ضروری است.
  • 1:23 - 1:25
    من همیشه می خواستم بیماران را درمان کنم.
  • 1:26 - 1:30
    علی رغم آن، ۱۵ سال قبل،
    من دانشکده پزشکی را ترک کردم،
  • 1:30 - 1:32
    چون ریاضیات را از دست داده بودم.
  • 1:33 - 1:36
    خیلی زود بعد از آن،
    جالبترین چیز را فهمیدم:
  • 1:37 - 1:39
    من می توانم از ریاضی
    برای مطالعه ی پزشکی استفاده کنم.
  • 1:41 - 1:46
    از آن به بعد، در حال توسعه ی الگوریتم هایی
    برای تحلیل داده های بیولوژیکی بودم.
  • 1:47 - 1:49
    حب، به نظر آسان رسید:
  • 1:49 - 1:53
    بیایید داده هایی از تمام متابولیت ها
    در بدنمان جمع آوری کنیم،
  • 1:53 - 1:58
    مدلهای ریاضی برای توصیف اینکه آنها چگونه
    در یک بیماری تغییر می کنند توسعه دهیم
  • 1:58 - 2:01
    و در آن تغییرات مداخله کنیم
    تا آنها را درمان کنیم.
  • 2:02 - 2:06
    سپس تشخیص دادم
    چرا قبلا هیچکس آن را انجام نداده است:
  • 2:07 - 2:09
    چون این کار بسیار سخت است.
  • 2:09 - 2:10
    (خنده)
  • 2:10 - 2:12
    متابولیت های بسیار زیادی
    در بدن ما وجود دارند.
  • 2:13 - 2:15
    هر کدام از دیگری تفاوت دارد.
  • 2:15 - 2:19
    برای بعضی از متابولیت ها،
    می توانیم حجم مولکولیشان را
  • 2:19 - 2:22
    با استفاده از ابزار
    طیف سنجی حجمی اندازه بگیریم .
  • 2:22 - 2:26
    اما چون ممکن بود مثلا ۱۰ مولکول
    با حجم دقیقا یکسان وجود داشته باشد،
  • 2:26 - 2:28
    ما دقیقا نمی دانیم آنها چه هستند،
  • 2:28 - 2:31
    و اگر می خواهید بطور واضح
    همه ی آنها را تشحیص دهید،
  • 2:31 - 2:34
    مجبورید آزمایشهای بیشتری انجام دهید،
    که ممکن است دهه ها طول بکشد
  • 2:34 - 2:36
    و میلیاردها دلار هزینه داشته باشد.
  • 2:36 - 2:42
    بنابراین ما یک بستر هوش مصنوعی
    برای انجام آن توسعه دادیم.
  • 2:42 - 2:45
    ما رشد داده های بیولوژیکی را تقویت کردیم
  • 2:45 - 2:49
    و پایگاه داده ای از تمام اطلاعات موجود
    درباره ی متابولیت ها
  • 2:49 - 2:52
    و تعاملات آنها با دیگر مولکولها ساختیم.
  • 2:52 - 2:56
    ما تمام این داده ها را
    به عنوان ابرشبکه ای ترکیب کردیم.
  • 2:56 - 2:59
    سپس از بافت یا خون بیماران،
  • 2:59 - 3:02
    حجم متابولیت ها را اندازه می گیریم
  • 3:02 - 3:05
    و حجم هایی را پیدا می کنیم که
    در طول یک بیماری تغییر می کنند.
  • 3:05 - 3:08
    اما همانطور که قبلا گفتم
    ما نمی دانیم آنها چه هستند.
  • 3:08 - 3:14
    حجم مولکولی ۱۸۰ می تواند گلوکز،
    گلاکتوز یا فراکتوز باشد.
  • 3:14 - 3:16
    همه ی آنها حجم یکسانی دارند
  • 3:16 - 3:18
    اما نقش های متفاوتی در بدن ما دارند.
  • 3:18 - 3:21
    الگوریتم هوش مصنوعی ما
    تمام این ابهامات را در نظر گرفته است.
  • 3:21 - 3:24
    سپس آن ابر شبکه را استخراج کرد
  • 3:24 - 3:28
    تا بفهمد آن حجم های متابولیک
    چگونه به یکدیگر مرتبط هستند
  • 3:28 - 3:30
    که باعث بیماری می گردند.
  • 3:30 - 3:33
    و به خاطر روشی که به هم مرتبط هستند،
  • 3:33 - 3:37
    سپس می توانیم استنباط کنیم
    که هر حجم متابولیت چه چیزی هست،
  • 3:37 - 3:40
    مثل آن ۱۸۰ می تواند در اینجا گلوکز باشد،
  • 3:40 - 3:43
    و مهمتر، کشف کردن اینکه
  • 3:43 - 3:46
    چگونه تغییر در گلوکز و دیگر متابولیت ها
  • 3:46 - 3:47
    باعث بیماری می شود.
  • 3:47 - 3:50
    این درک جدید از مکانیسم های بیماری
  • 3:51 - 3:55
    سپس ما را قادر می سازد تا درمان موثری
    برای هدف قرار دادن آن کشف کنیم.
  • 3:56 - 3:59
    بنابراین ما شرکت استارت آپی تشکیل دادیم
    تا این تکنولوژی را به بازار بیاوریم
  • 3:59 - 4:01
    و روی زندگی مردم تاثیر بگذاریم.
  • 4:02 - 4:05
    اکنون من و تیمم در ReviveMed در حال
    کار کردن برای کشف
  • 4:05 - 4:10
    درمانی برای عمده بیماریهایی
    که در آنها متابولیتها محرکهای اصلی هستند،
  • 4:10 - 4:12
    مثلا بیماری کبد چرب،
  • 4:12 - 4:15
    چون به واسطه
    تجمع چربی ها ایجاد شده است،
  • 4:15 - 4:18
    که انواعی از متابولیت ها در کبد هستند.
  • 4:18 - 4:22
    همانطور که قبلا گفتم، این بیماری همه گیر
    و بدون درمان است.
  • 4:22 - 4:24
    و بیماری کبد چرب تنها یک مثال است.
  • 4:24 - 4:29
    در حرکت به جلو، ما قصد داریم
    با صدها بیماری
  • 4:29 - 4:30
    بدون درمان دیگر نیز مقابله کنیم
  • 4:30 - 4:35
    و با جمع آوری داده های بیشتر و بیشتر
    در مورد متابولیت ها
  • 4:35 - 4:38
    و قهمیدن اینکه چگونه
    تغییرات در متابولیت ها
  • 4:38 - 4:41
    باعث گسترش بیماریها می شود،
  • 4:41 - 4:44
    الگوریتم های ما باهوش تر
    و باهوش تر می شوند
  • 4:44 - 4:48
    تا درمان درست برای
    بیماران درست را انجام دهند.
  • 4:49 - 4:52
    و ما به چشم انداز خودمان
    نزدیکتر خواهیم شد
  • 4:52 - 4:56
    با نجات زندگیهایی با هر خط کدی که دارند.
  • 4:56 - 4:58
    متشکرم.
  • 4:58 - 5:01
    (تشویق)
Title:
پتانسیل‌های پزشکی هوش مصنوعی و متابولیت‌ها
Speaker:
لیلا پیرحاجی
Description:

عامل بسیاری از بیماری‌ها متابولیت‌ها هستند-مولکول‌های کوچکی در بدن شما مثل چربی، گلوکز و کلسترول- اما ما دقیق نمی‌دانیم آنها چه هستند و چگونه کار میکنند. کارآفرین بیوتک و همیار TED لیلا پیرحاجی برنامه‌اش برای ساخت شبکه‌ای بر پایه هوش مصنوعی برای طبقه بندی الگوهای متابولیت‌ها، درک بهتر توسعه‌ی بیماری‌ها و توسعه‌ی درمان‌های موثرتر به اشتراک می‌گذارد.
more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
05:14

Persian subtitles

Revisions Compare revisions

Our website uses cookies for analysis purposes.