ப்ளீஸ் சிங்கால், ஃபனு பூஜா
இயந்திர கற்றல் (ML) என்பது செயற்கை நுண்ணறிவின் (AI) ஒரு கிளை ஆகும், அங்கு கணினிகள் தரவை பகுப்பாய்வு செய்து தரவில் உள்ள வடிவங்களைக் கண்டறியும். ML ஐப் பயன்படுத்தி மெட்டாஸ்டேடிக் புற்றுநோயைக் கண்டறிவதில் ஆய்வு கவனம் செலுத்துகிறது. மெட்டாஸ்டேடிக் புற்றுநோய் என்பது புற்றுநோய் உடலின் மற்ற பகுதிகளுக்கும் பரவும் புள்ளியாகும், மேலும் இது புற்றுநோய் தொடர்பான இறப்புகளில் சுமார் 90% காரணமாகும். பொதுவாக, நோயியல் வல்லுநர்கள் ஒவ்வொரு நாளும் மணிக்கணக்கில் கட்டிகள் தீங்கற்றதா அல்லது வீரியம் மிக்கதா என்பதை கைமுறையாக வகைப்படுத்துவதற்கு செலவிடுகின்றனர். இந்த கடினமான பணியானது, 60% க்கும் அதிகமான நேரத்தில் மெட்டாஸ்டாசிஸ் தவறாக பெயரிடப்படுவதற்கு பங்களிக்கிறது மற்றும் மனித தவறுகள் மற்றும் பிற திறமையின்மைகள் குறித்து எச்சரிக்கையாக இருக்க வேண்டியதன் முக்கியத்துவத்தை வலியுறுத்துகிறது. ஆயிரக்கணக்கான உயிர்களைக் காப்பாற்றும் மெட்டாஸ்டேடிக் புற்றுநோயின் சரியான அடையாளத்தை மேம்படுத்துவதற்கு ML ஒரு நல்ல வேட்பாளராகும், மேலும் செயல்முறையின் வேகத்தையும் செயல்திறனையும் மேம்படுத்தலாம், இதன் மூலம் குறைந்த வளங்களையும் நேரத்தையும் எடுத்துக் கொள்ளலாம். இதுவரை, புற்றுநோயைக் கண்டறியும் ஆராய்ச்சியில் AI இன் ஆழமான கற்றல் முறை பயன்படுத்தப்பட்டது. இந்த ஆய்வு, மெட்டாஸ்டேடிக் புற்றுநோயைக் கண்டறிவதில் வகைப்பாடு அல்காரிதம்களுடன் இணைந்து முன்செயலாக்க வழிமுறைகளைப் பயன்படுத்துவதற்கான திறனைக் கண்டறியும் ஒரு புதிய அணுகுமுறையாகும். ஆய்வு இரண்டு முன் செயலாக்க வழிமுறைகளைப் பயன்படுத்தியது: முதன்மை கூறு பகுப்பாய்வு (PCA) மற்றும் தரவுத்தொகுப்பின் பரிமாணத்தைக் குறைக்க மரபணு அல்காரிதம், பின்னர் மூன்று வகைப்பாடு அல்காரிதம்களைப் பயன்படுத்தியது: லாஜிஸ்டிக் பின்னடைவு, முடிவு மரம் வகைப்படுத்தி மற்றும் k-அருகிலுள்ள அயலவர்கள் மெட்டாஸ்டேடிக் புற்றுநோயைக் கண்டறிய. நோயியல் ஸ்கேன். 71.14% மிக உயர்ந்த துல்லியமானது, PCA, மரபணு வழிமுறை மற்றும் k-அருகிலுள்ள அண்டை நாடுகளின் வழிமுறை ஆகியவற்றை உள்ளடக்கிய ML பைப்லைன் மூலம் தயாரிக்கப்பட்டது, முன்செயலாக்கம் மற்றும் வகைப்படுத்தல் வழிமுறைகள் மெட்டாஸ்டேடிக் புற்றுநோயைக் கண்டறிவதில் பெரும் ஆற்றலைக் கொண்டுள்ளன.