بهبود زندگی بیماران سرطانی با شناسایی داروهای عمومی غیر سرطانی موجود

Reboot Rx یک استارتاپ خصوصی در حوزه‌ی فنآوری است که به دنبال توسعه درمان‌های سرطان با قیمت مناسب است. استراتژی آنها از داروهای عمومی، فنآوری هوش‌مصنوعی و مدل‌های نوین بودجه است. 50 تغییر دهنده فنآوری در حال توسعه‌ی روشهای نجات بیشتر بیماران و مطالعه‌ی نتایج متون غیر ساختاری در مطالعات بالینی منتشر شده هستند.

مسئله

راه‌اندازی مجدد Rx یک مشکل بزرگ است. هر ساله در سراسر جهان ، 17 میلیون نفر مبتلا به سرطان تشخیص داده می شوند ، 10 میلیون نفر بر اثر سرطان می‌میرند و 1 تریلیون دلار نیز برای مراقبت از سرطان هزینه می شود.

اهداف پروژه

مطالعات بالینی، همچون آزمایشات بالینی و مطالعات مشاهده‌ای، ارزیابی می‌کنند که آیا یک مداخله دارویی برای درمان بیماری موثر است یا خیر. بسیاری از مطالعات بالینی داروهای عمومی غیرسرطانی را برای درمان سرطان ارزیابی کرده‌اند. راه‌اندازی مجدد Rx در پی تولید اطلاعات از انتشاراتی است که این مطالعات را توصیف می‌کنند تا امیدوار کننده‌ترین فرصت‌های استفاده مجدد را شناسایی کند.

انتشارات مطالعات بالینی مقادیر عددی، از‌جمله شمارش بیمار (که به عنوان “اندازه نمونه” ذکر می‌شود) و نتایج مطالعه (که به عنوان “اقدامات نتیجه” ذکر می‌شود) ، در قالب متن روایی بدون ساختار گزارش می‌شود. هدف این پروژه استخراج خودکار این مقادیر و ذخیره آنها در قالب ساختاری برای تجزیه و تحلیل است.

به عنوان مثال، جمله‌ی “میزان پاسخ کلی به ترتیب با متفورمین و پرواستاتین 45٪ و 30٪ بود”  پاسخ دو داروی متفورمین و پرواستاتین را در جمعیت بیمار گزارش می‌کند. راه‌اندازی مجدد Rx می‌خواهد معیارهای عددی نتیجه (45٪ و 30٪) را از متن استخراج کرده و این مقادیر را با برچسب نتیجه (‘نرخ پاسخ’) برچسب گذاری کند. سطح دشواری این کار بسته به نوع و دامنه‌ی مطالعه‌ی بالینی می‌تواند از آسان تا بسیار چالش برانگیز باشد. مطالعات بالینی که گزارش یک نتیجه واحد را از ارزیابی دو گروه درمانی دارند، به راحتی قابل کنترل است.

از طرف دیگر، آزمایشات بالینی با چندین گروه مقایسه (سه یا چند بازوی دارویی به طور همزمان ارزیابی می‌شود) یا مطالعات با ترکیبات دارویی (هر بازوی مداخله حاوی دو یا چند دارو) می‌تواند کرا را پیچیده کند.

تکنیک‌های فعلی NLP و مدل‌های زبان، کار معقولی را انجام می‌دهند که مقادیر عددی را استخراج می‌کنند. اما این روش‌ها برای کار خاصی که در بالا پیشنهاد شده متناسب نیستند. برای برچسب‌گذاری مقادیر استخراج شده با دقت بالا، شرکت‌کنندگان باید تکنیک‌های مدل‌سازی شده تحت نظارت و نیمه‌نظارت شده را با استفاده از روش‌های منحصر‌به‌فرد مبتنی بر قوانین ارتقا دهند.

راه اندازی مجدد Rx سوالات مربوط به حوزه‌ی خاص مربوط به زبان و اصطلاحات مورد استفاده در مطالعات را روشن می‌کند. راه اندازی مجدد Rx همچنین داده‌های آموزش دارای برچسب دستی را بررسی و بازخورد می‌دهد.

نتایج پروژه

این یک تمرین استخراج و طبقه‌بندی خودکار داده برای ایجاد یک پایگاه داده ساختاریافته از نتایج موجود در خلاصه مقاله مطالعه بالینی است. استخراج داده‌ها محدود به متن موجود در چکیده مقاله (استفاده نکردن از متن کامل مطالعه) خواهد بود. Reboot Rx لیستی از مطالعات بالینی همراه با شناسه ، عنوان و چکیده‌ی مطالعه را ارائه می‌دهد.

برای محدود کردن دامنه این تمرین ، راه‌اندازی مجدد Rx لیستی از اقدامات نتیجه، برچسب‌های نتیجه و قالب داده مورد انتظار (٪ ، ماه ، روز) را برای استخراج ارائه می‌دهد. صحت داده‌ها و برچسب‌های استخراج شده با استفاده از مجموعه داده‌های آزمایشی که توسط تیم Reboot Rx تنظیم شده است ، ارزیابی می شود.

چرا آلاوان؟ به‌خاطر حل چالش‌های این‌چنین منحصربه‌فرد با کمک هوش مصنوعی

این جنس از همکاری را هرگز در زندگی کاری خود تجربه نکرده‌اید. با ثبت یک چالش، طی ۸ هفته بعدی آن، شما با مهندسین و اساتید هوش مصنوعی کار خواهید کرد تا نه تنها راه‌حل هوشمندی برای اثرگذاری در مسئله خود بسازید، بلکه چرخه حیات پروژه علوم داده را نیز طی کنید. این مهم شامل محدوده‌سنجی، جمع‌آوری داده‌ها و آماده‌سازی مسائل و همچنین مدل‌سازی برای استقرار است.

بهترین قسمت این است که شما به یک تیم بزرگ از اساتید و خبره‌های هوش مصنوعی خواهید پیوست. چالش‌های هوش مصنوعی یک مسابقه یا ماراتن برنامه‌نویسی نیستند، بلکه یک پروژه در دنیای واقعی هستند که تجربه شما از آنچه ممکن است از طریق همکاری باشد را به سطح جدیدی می‌رساند.

• سوال بعدی — تجزیه و تحلیل نقش اتصال در توسعه اقتصادی و انسانی — کلیک کنید.

این چالش میزبان دوستان ماست در