اخبار التكنولوجيا، بغداد المسلة الحدث قام علماء من كلية بايلور للطب في الولايات المتحدة الأمريكية .،الذكاء الاصطناعي يتعلم تشخيص الأمراض النادرة،حيث يتابع الكثير من الناس بمشاهدة ومتابعه الاخبار، و يظهر ان هذا الموضوع يرتفع معدل البحث عن التاليالذكاء الاصطناعي يتعلم تشخيص الأمراض النادرةفي مواقع التواصل الاجتماعي و علي محركات البحث بشكل متواصل ، لذا نتابع معكم تفاصيل ومعلوماته كما وردت من المصدر المكتوب بالاعلى تابعونا لمعرفة التفاصيل الان.
بغداد/المسلة الحدث: قام علماء من كلية بايلور للطب في الولايات المتحدة الأمريكية بتعليم الذكاء الاصطناعي كيفية التعرف على الاضطرابات المندلية – الاضطرابات الناجمة عن التغيرات في جين واحد. يعد التعرف عليها مهمة صعبة حتى بالنسبة لعلماء الوراثة ذوي الخبرة.
وأشار الخبراء إلى أن الاضطرابات الوراثية النادرة لا يتم تشخيصها إلا في 30% من الحالات. في المتوسط، يستغرق الأمر ست سنوات على الأقل من بداية ظهور الأعراض حتى التشخيص. كل هذا الوقت، قد يبقى المرضى دون علاج فعال.
وأشار مؤلفو العمل العلمي إلى أن “هناك حاجة ملحة لأساليب جديدة لتحسين سرعة ودقة التشخيص”.
قام الفريق بتطوير نظام التعلم الآلي AIM، والذي يتم تدريبه باستخدام قاعدة بيانات متاحة للجمهور. ويشمل أكثر من 3.5 ميغابايت من المتغيرات الجينية.
يقوم الباحثون بتحميل بيانات عن تسلسل إكسوم المريض (جزء من الجينوم) وأعراض مرضه إلى AIM. يستجيب النظام بتصنيف الجينات الأكثر احتمالية لحدوث خلل.
ولاحظ العلماء أن الطريقة الجديدة ضاعفت سرعة التشخيص. واقترحوا أيضًا أن النظام يمكنه تحديد الأمراض النادرة التي ظلت غير مكتشفة لسنوات، حسبما ذكرت مجلة NEJM AI.
المسلة – متابعة – وكالات
النص الذي يتضمن اسم الكاتب او الجهة او الوكالة، لايعبّر بالضرورة عن وجهة نظر المسلة، والمصدر هو المسؤول عن المحتوى. ومسؤولية المسلة هو في نقل الأخبار بحيادية، والدفاع عن حرية الرأي بأعلى مستوياتها.
المزيد من التفاصيل من المصدر - (اضغط هنا)
وفي نهاية المقال نود ان نشير الى ان هذه هي تفاصيل الذكاء الاصطناعي يتعلم تشخيص الأمراض النادرة وتم نقلها من المسلة نرجوا بأن نكون قد وفقنا بإعطائك التفاصيل والمعلومات الكامله .
علما ان فريق التحرير في ايجي ناو EgyNow بالتاكد منه وربما تم التعديل علية وربما قد يكون تم نقله بالكامل اوالاقتباس منه ويمكنك قراءة ومتابعة مستجدادت هذا الخبر او الموضوع من مصدره الاساسي.