سیستم ایمنی مقادیر زیادی از اطلاعات مربوط به سلامت و بیماری را ذخیره می کند. محققان در تلاش برای رمزگشایی این اطلاعات با کمک هوش مصنوعی و با هدف توسعه روش‌های تشخیصی و درمانی جدید هستند.

ما سیستم ایمنی را به قسمت های مختلف تقسیم می کنیم. یکی از آنها سیستم ایمنی سازگار است. این بخش از سیستم ایمنی ما اطلاعات مربوط به تمام بیماری ها و عفونت هایی را که یک فرد دارد یا داشته است ذخیره می کند. این اطلاعات به عنوان الگوهای پیچیده در ساختارهای تشخیص بیماری زا ذخیره می شود که به آنها گیرنده های ایمنی نیز می گویند. ما می توانیم این الگوها را به عنوان حافظه سیستم ایمنی در نظر بگیریم. این الگوها دستورالعمل هایی هستند که به سیستم ایمنی بدن می گویند چگونه به عفونت ها و بیماری های مختلف حمله کند.

یادگیری ماشینی نوعی هوش مصنوعی است. با کمک یادگیری ماشینی، می توانیم به رایانه اجازه دهیم الگوهای پنهان قبلی را برای ما کشف کند. می‌توانیم از یادگیری ماشینی برای یافتن الگوهای ایمنی مرتبط با بیماری استفاده کنیم، بدون اینکه بدانیم چه شکلی هستند یا چه ویژگی‌هایی دارند. الگوهای ایمنی می تواند به ما بگوید که آیا فرد سالم است یا بیمار. الگوهایی که سیستم ایمنی ذخیره کرده است می تواند در مورد بیماری ها یا عفونت های قبلی و/یا فعلی فرد به ما بگوید.

گریف توضیح می‌دهد که اگر بتوانیم الگوها را پیدا کنیم، ممکن است بتوانیم با یک نمونه خون تعدادی بیماری را تشخیص دهیم.

برنامه  ImmuneML یادگیری ماشینی را در اختیار محققان بیشتری قرار می دهد. گریف توضیح می دهد که مطالعات قبلی که از یادگیری ماشینی استفاده کرده اند، ماهیت اکتشافی داشته اند. آنها همچنین استانداردسازی ضعیفی داشته اند و بنابراین تکرار آنها دشوار است. در واقع ImmuneML امکان کار یکنواخت تر را فراهم می کند. اکنون می‌توانیم مطالعات مختلف را مقایسه کنیم و ارزش رویکردهای مختلف را ارزیابی کنیم.

هدف این است که محققان با سطوح مختلف تجربه و تخصص در بیوانفورماتیک و یادگیری ماشینی بتوانند از ImmuneML استفاده کنند. این نرم افزار از سه نوع مختلف با سطوح مختلف پیچیدگی تشکیل شده است. همچنین شامل یک کتابچه راهنمای کاربر است که نحوه استفاده از نرم افزار را با جزئیات توضیح می دهد.

201001105.037