🔴 از ژنوم تا هدف درمانی: هوش مصنوعی و یادگیری عمیق چگونه داده‌های اُمیکس را به فرضیه‌های درمانی تبدیل می‌کنند؟
👤 سخنران: دکتر فهیمه پالیزبان
⭐پژوهشگر حوزه بیوانفورماتیک، بیمارستان کودکان فیلادلفیا (CHOP)، آمریکا
💠 دارای سابقه پژوهشی در بیوانفورماتیک، زیست‌شناسی محاسباتی، ژنومیک و ترنسکریپتومیکس
💠 از نویسندگان پژوهشی درباره کاربرد یادگیری عمیق برای تفکیک جهش‌های منشأگرفته از تومور از تغییرات مرتبط با خون‌سازی کلونال در DNA آزاد سلولی
💠دارای سابقه پژوهش در زمینه توالی‌یابی RNA، تحلیل داده‌های ژنومی و روش‌های محاسباتی در پزشکی مولکولی
✅ از این ارائه چی یاد می‌گیریم؟ (کلیک کنید)
امروزه پژوهش‌های زیست‌پزشکی حجم گسترده‌ای از داده‌ها رو تولید می‌کنن؛ از توالی DNA و الگوهای بیان ژن گرفته تا سایر اطلاعات مولکولی. بااین‌حال، شناسایی الگوهای معنادار در این داده‌ها و تبدیل اون‌ها به اهداف بالقوه درمانی، همچنان یکی از چالش‌های مهم پژوهش‌های پزشکیه.
توی این ارائه، بررسی می‌کنیم که یادگیری عمیق و عامل‌های هوش مصنوعی (AI Agents) چطور می‌تونن فاصله بین داده‌های پیچیده اُمیکس و کشف اهداف درمانی رو کاهش بدن. می‌بینیم که مدل‌های یادگیری عمیق چطور می‌تونن الگوهای پنهان رو شناسایی کنن، ارتباط بین ویژگی‌های زیستی مختلف رو کشف کنن و به شکل‌گیری فرضیه‌هایی درباره سازوکار بیماری‌ها و اهداف بالقوه دارویی کمک کنن.
اما وقتی عامل‌های هوش مصنوعی وارد فرایند کشف می‌شن، چه اتفاقی می‌افته؟ بررسی می‌کنیم که این عامل‌ها چطور می‌تونن مراحل مختلف تحلیل داده رو به هم متصل کنن، اطلاعات حاصل از مجموعه‌داده‌های متفاوت رو کنار هم قرار بدن و به پژوهشگران کمک کنن از شناسایی نشانه‌های مولکولی به سمت تدوین فرضیه‌های درمانی قابل‌آزمایش حرکت کنن.
در نهایت، درباره فرصت‌ها و محدودیت‌های این رویکرد صحبت می‌کنیم؛ از کیفیت داده‌ها و تفسیرپذیری زیستی مدل‌ها گرفته تا ضرورت اعتبارسنجی آزمایشگاهی و چالش تبدیل پیش‌بینی‌های محاسباتی به دستاوردهای واقعی در پزشکی.
⬅️برای ثبت‌نام در MedAI Summit کلیک کنید
رویداد MedAI Summit در یک نگاه:
📌 6 الی 8 آبان
📌 +30 سخنرانی کلیدی از سراسر دنیا
📌 بزرگترین گردهمایی آنلاین هوش مصنوعی در سلامت
📌 ارائه سرتیفیکیت بین‌المللی
🌐MedAISummit
✈️Website💠🌐LinkedIn💠🔗Twitter💠🌐Instagram