Искусственный интеллект и машинное обучение в прецизионной и геномной медицине

Развитие прецизионной медицины позволило выйти за рамки традиционного лечения, ориентированного на симптомы, благодаря раннему прогнозированию риска заболеваний на основе усовершенствованной диагностики и подбору более эффективной терапии. Для выбора оптимальной стратегии прецизионной медицины необходимо анализировать совокупность данных о пациенте с учётом широкого спектра факторов, чтобы различать больных и относительно здоровых людей и точнее оценивать биологические показатели, сигнализирующие об изменениях состояния здоровья. Сочетание прецизионной и геномной медицины с искусственным интеллектом способно улучшить медицинскую помощь. Геномные технологии применяются у пациентов с редкими ответами на терапию или уникальными потребностями в медицинской помощи. Искусственный интеллект обеспечивает получение новых сведений с помощью сложных вычислений и логического вывода, позволяя системам рассуждать и обучаться, а также повышая обоснованность врачебных решений. Многие характеристики клеток, включая усиление экспрессии генов, связывание белков с нуклеиновыми кислотами и сплайсинг, можно измерять в больших объёмах и использовать в качестве целевых показателей при обучении прогностических моделей. Расширение доступа к разнообразным наборам данных и применение современных вычислительных методов, таких как машинное обучение, позволяют исследователям создать новую эру эффективной геномной медицины. В этом обзорном исследовании освещён вклад алгоритмов машинного обучения в развитие прецизионной и геномной медицины.