مسابقه ژنومیک مبتنی بر هوش مصنوعی در اولین کنگره بین المللی هوش مصنوعی در علوم پزشکی (AIMS2023)

موضوع چالش:

امروزه رویکردهای محاسباتی و آماری برای درک عملکرد ژن‌ها استفاده می شوند و زمینه ی پژوهشی با عنوان ژنومیک محاسباتی کمک شایانی به تشخیص و درمان بیماری ها نموده است. استفاده از اطلاعات ژنتیکی مانند بیان ژن ها جهت درک بهتر مکانیزم بیماری و نیز طراحی پنل های ژنی به عنوان مارکر های تشخیصی، اهمیت بالایی دارد لذا در این مسابقه به این مهم می پردازیم. مجموعه داده ی این پروژه شامل دیتای RNA-Seq جهت بررسی ژنتیک یک بیماری می باشد (اطلاعات تکمیلی در خصوص نوع بیماری، پس از خاتمه ی مسابقه و برای انتشار نتایج در مجلات در اختیار تیم ها قرار می گیرد). برای این منظور در این مطالعه داده های ترنسکریپتوم مربوط به یک بافت 191 فرد، شامل افراد سالم، افراد مبتلا به سطح یک بیماری و افراد مبتلا به سطح دو بیماری توسط روش های توالی یابی نسل جدید توالی یابی شده اند.

• افراد علاقمند به شرکت در این چالش لازم است با ترکیب روش های انتخاب ویژگی ، کاهش ابعاد و الگوریتم های طبقه بندی ماشین هایی را طراحی نمایند که بهترین بازدهی را برای طبقه بندی نمونه های نرمال، سطح یک و سطح دو بیماری انجام دهند. یکی از چالش های دیتای این مسابقه، تعداد بالای ویژگی ها است که نیاز است حداقل تعداد بهینه ویژگی ها با الگوریتم های هوشمند تعیین گردد تا نتایج بدست آمده نشانگر بازدهی بالا در پیش بینی وضعیت بیماری باشد. در نتیجه هدف از این چالش، پیش‌بینی بیماری براساس داده های ژن است.

این چالش به عنوان یک تلاش مشترک بین دانشگاه تهران و دانشگاه علوم پزشکی هوشمند سازماندهی شده است. از شرکت کنندگان خواسته می شود تا در سناریوی چالش برانگیز پیش‌بینی مارکرهای تشخیصی از روی داده های ژن شرکت کنند. این چالش یک مسابقه آزاد است که هر تیم و یا فرد علاقه مند واجد شرایط می تواند در آن شرکت کند. قابل ذکر است که یک شرکت کننده نمی تواند در بیش از یک تیم باشد. با توجه به ماهیت چالش، لزوم استفاده از تخصص های علوم پزشکی و مهندسی درکنار هم امری ضروری است لذا تیم های شرکت کننده حتما باید در کنار اعضای مهندسی، حداقل یک نفر از دانشجویان یا فارغ التحصیلان رشته های علوم پزشکی را به عنوان هم گروهی همراه داشته باشند. چالش مذکور در دو مرحله برگزار خواهد شد:

مرحله مقدماتی: 

در این مرحله، شرکت کنندگان داده های ژن را دریافت کرده و برای پیش‌بینی وضعیت بیماری از مدل های یادگیری ماشین و محاسباتی استفاده می کنند. شرایط و جزئیات شرکت در مسابقه در زیر شرح داده شده است:

• 1- استفاده از مدل های یادگیری ماشین مرسوم مانند SVM، KNN، Tree، Ensembleو غیره به شرط وجود نوآوری در آن، قابل قبول هستند.
• 2- آموزش، اعتبارسنجی و تست مدل ها جهت پیش‌بینی وضعیت بیماری صرفا با توجه به داده های قرار داده شده در این چالش انجام شود.
• در نهایت، شرکت کنندگان باید نتایج مدل های خود را در بازه زمانی مشخص شده ارسال کنند.

مرحله نهایی:

شرکت کنندگان باید نتایج مرحله مقدماتی خود را تا 31 فروردین 1402 ارسال کنند. تیم های برتر تا 15 اردیبهشت 1402 انتخاب شده و برای شرکت در مرحله نهایی چالش دعوت خواهند شد. مرحله نهایی این چالش در هفته سوم اریبهشت ماه به صورت حضوری برگزار خواهد شد و برندگان نهایی در اولین کنگره بین المللی هوش مصنوعی در علوم پزشکی در جزیره کیش اعلام خواهند شد.

مجموعه داده های چالش: 

مجموعه داده‌های مورد استفاده در این چالش شامل اطلاعات 191 فرد مختلف می باشد که این داده برای اموزش(TRAINING)، ارزیابی(VALIDATION) و تست الگوریتم ها استفاده خواهد شد.

موارد ارسالی:

• 1. استفاده از MATLAB و Python در توسعه کدها مجازاست.
• 2. کدام روش طبقه بندی و با چه پارامترهایی بهترین عملکرد را داشته است؟ کدام روش انتخاب ویژگی عملکرد بهتری داشته است؟
• 3. فایل مربوط به ذخیره الگوریتم ها، مدل آموزش دیده شده، نتایج عملکرد مدل در طول آموزش شبکه (history) و کد شبکه پیاده سازی شده در فایل .zip با نام Code_AIMS2023 قرار داده شود.
• 4. نمودار Accuracy validation و loss validation با فرمت .png در فایل zip با نام Fig_AIMS2023 قرار داده شود.
• 5. ورژن پایتون و پکیج های استفاده شده در فایل متنی (.txt) با نام Lab_AIMS2023 قرار داده شود.
• 6. گزارشی بین 100 تا 300 کلمه‌ از شبکه پیشنهادی، پیش پردازش های اعمال شده، معیار های ارزیابی، نتایج بدست آمده با فرمت pdf با نام Report_AIMS2023 قرار دهید.
• 7. کلیه موارد ذکر شده را در فایل zip. با نام LIP_team_name_AIMS2023 قرار دهید و به ایمیل LIP.AIMS2023@gmail.com ارسال کنید.(team name نام تیم انتخابی شماست.)
• در صورتی که موارد ذکر شده کامل ارسال نشود نتایج شما داوری نخواهد شد.