روشی جدید برای تشخیص لوسمی میلوژنیک و لنفوسیتیک حاد با استفاده از داده های بیان ژن و روش های یادگیری ماشین

لوسمی از سرطان های شایع در جهان است. یکی از مهم ترین روش ها برای کشف و پیش بینی لوسمی میلوژنیک و لنفوسیتیک حاد، استفاده از DNA افراد و اطلاعات ژنتیکی آن ها می باشد. تکنولوژی ریز آرایه، ابزاری برای بررسی بیان هزاران ژن در حداقل زمان است. تحلیل مجموعه داده های ریز آرایه بدون کمک آنالیز آماری و روش های یادگیری ماشین ممکن نیست. در این مطالعه با استفاده از مجموعه داده های ریز آرایه و روش های یادگیری ماشین به تشخیص انواع لوسمی پرداخته شد.
داده های مورد استفاده در این پژوهش توصیفی، بیان 7129 ژن مربوط به 72 بیمار مبتلا به لوسمی بود که با استفاده از فناوری ریز آرایه به دست آمد. سپس با استفاده از این داده ها، تشخیص لوسمی میلوژنیک حاد(AML) و لوسمی لنفوسیتیک حاد(ALL) با روش طبقه بندی ناپارامتری هسته، تابع پایه شعاعی ناهمسانگرد با استفاده از معیارهای نسبت بهره و بهره اطلاعاتی انجام شد.
روش پیشنهادی طبقه بندی ناپارامتری با استفاده از معیار بهره اطلاعاتی با انتخاب230 ژن مهم و با استفاده از معیار نسبت بهره با انتخاب 86 ژن مهم با دقت 06/97٪ ، قادر به تشخیص انواع لوسمی میلوژنیک و لنفوسیتیک است، در حالی که روش طبقه بندی ناپارامتری هسته ، تابع پایه شعاعی با 7129 ژن دارای دقت 29/35٪ است.
نتایج این مطالعه نشان داد که استفاده از داده های بیان ژن و روش پیشنهادی با معیار نسبت بهره قادر به تشخیص لوسمی با دقت بالایی است. بنابراین به نظر می رسد این روش می تواند در تشخیص دقیق تر انواع لوسمی کمک کند تا تصمیمات مناسب تری در مورد نحوه تشخیص و درمان بیماران گرفته شود.