ونجح فريق من الباحثين في كلية الهندسة بجامعة طهران، بقيادة علي مسعودي نجاد، أستاذ بيولوجيا الأنظمة والبيوانفورماتيك في كلية العلوم الهندسية، بالتعاون مع بهناز حاجي ملاحسيني، طالبة الدكتوراه؛ وأحمد رضا إيرانبور، طالب في جامعة أوترخت بهولندا؛ وسودا إيماني، طالبة في جامعة بازماني بهنغاريا، وغيرهم من الباحثين في مختبر بيولوجيا الأنظمة والبيوانفورماتيك، في إنجاز بحثين علميين مبتكرين في مجال التعلم العميق والطب الشخصي.
وقال مسعودي نجاد في هذا الشأن: نُشرت هذه الدراسات في مجلات الناشر الدولي إلزفير بعاملي تأثير 13 و6.3 على التوالي، وتركز على استخدام نماذج الذكاء الاصطناعي لرفع دقة تحليل البيانات الحيوية وعلم الأمراض. وأضاف: في البحث الأول، صنّفنا الطرق في أربع مجموعات رئيسية: الطرق القائمة على التعلم العميق مثل GAN وautoencoder، والطرق التقليدية مثل مطابقة الهيستوغرام، والنماذج الهجينة، والطريقة الجديدة القائمة على معالجة الإشارة، وأظهرنا أن لكل نهج مزاياه وقيوده الخاصة.
وواصل أستاذ بيولوجيا الأنظمة في جامعة طهران: تؤكد نتائج دراستنا على أهمية الحفاظ على المعلومات الحيوية أثناء عملية التوحيد القياسي ودورها في رفع دقة أنظمة التشخيص الحاسوبية.
وأوضح مسعودي نجاد تفاصيل البحث: بالإضافة إلى استعراض دقيق للدراسات السابقة، قدّمنا إطاراً جديداً للمقارنة المنهجية بين طرق التوحيد القياسي، مما يتيح تقييم أداء الطرق في ظروف مختلفة. وأضاف: يمكن لهذا الإطار مساعدة الباحثين والمتخصصين في علم الأمراض الرقمي على اختيار الطريقة الأمثل المناسبة لنوع البيانات وهدف البحث. وختم مسعودي نجاد قائلاً: نعتقد أن دمج طرق التعلم العميق مع تحليل البيانات الحيوية والصورية يمكن أن يؤدي إلى فهم أعمق لآليات الأمراض الجزيئية وتطوير حلول علاجية مخصصة.
