면역요법 연구는 맞춤 치료법을 개발하여 암 치료를 혁신 할 잠재력을 가지고 있습니다. 그러나 라이스 대학교 컴퓨터과학 연구팀은 이 연구에 중요한 기계 학습 도구에서 중요한 편견을 발견했습니다.
안자 코너브, 로마 노스 파소울리스, 사라 홀-스완 박사과정생 및 교수로드리고 페레이라, 리디아 카브라키를 중심으로 한 팀은 공개적으로 이용 가능한 펩타이드-HLA (pHLA) 결합 예측 데이터를 분석하고 소득 수준이 높은 지역을 선호하는 지리적 편견을 발견했습니다. 이러한 편견은 저소득층을 위해 개발된 면역요법의 미래 효과에 깊은 영향을 미칩니다.
HLA 유전자는 우리의 면역 반응에서 중요한 역할을 하는 단백질을 부호화합니다. 이러한 단백질은 세포 내의 펩타이드와 결합하고 감염된 세포를 면역체계가 공격하고 제거하도록 표시합니다. 면역요법 연구는 환자의 특정 HLA 알렐과 유효하게 결합 할 수 있는 펩타이드를 식별해 맞춤 치료를 실현하려 합니다.
펩타이드-HLA 결합 효과를 예측하기 위해 기계 학습 도구가 사용됩니다. 그러나 라이스 대학교 팀은 이러한 모델에 사용 된 교육 데이터가 주로 소득 수준이 높은 지역을 대표한다는 것을 발견했습니다. 이 제한은 저소득층 개인을 위한 미래 면역요법의 잠재적 효과를 제한합니다.
파소울리스는 면역요법을 위한 잠재적 펩타이드 후보를 식별하기 위해 편견이 없는 기계 학습 모델의 중요성을 강조했습니다. 누구든지 인구 또는 사회경제적 지위에 관계없이 공평한 보건 관리를 보장하기 위해 편향된 기계 모델을 다루는 것이 중요합니다.
The source of the article is from the blog mivalle.net.ar