fa هوش مصنوعی و ژن‌درمانی سرطان سینه اونکولوژی Oncology مروری Review article <span style="font-size:8.5pt"><span style="line-height:17pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><b><span lang="FA" style="font-size:9.5pt"><span 0="" nazanin="" style="font-family:">پیش‌زمینه و هدف:</span></span></b><span lang="FA" style="font-size:9.5pt"><span 0="" nazanin="" style="font-family:"> از ژن‌درمانی در بیماری‌های مختلفی مانند سرطان‌ها استفاده می‌شود. سرطان سینه شایع‌ترین بدخیمی در بانوان در سطح جهان است که لزوم استفاده از رویکردهای نوین را نشان می‌دهد. توانایی الگوریتم‌های هوش مصنوعی برای پردازش مجموعه داده‌های بزرگ، تشخیص الگوهای پیچیده و طبقه‌بندی آن‌ها را می‌توان در جهت بهبود روند ژن‌درمانی در سرطان سینه استفاده کرد. هدف این مقاله مرور متون موجود و تأکید بر کاربردهای بالینی هوش مصنوعی در ژن‌درمانی سرطان سینه است.</span></span></span></span></span></span></span><br> <span style="font-size:8.5pt"><span style="line-height:17pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><b><span lang="FA" style="font-size:9.5pt"><span 0="" nazanin="" style="font-family:">مواد و روش کار:</span></span></b><span lang="FA" style="font-size:9.5pt"><span 0="" nazanin="" style="font-family:"> برای انجام این مطالعه؛ از بررسی و مرور مقالات موجود با جستجوی کلیدواژه‌های مرتبط باهدف مطالعه در پایگاه اطلاعاتی </span></span>PubMed<span lang="FA" style="font-size:9.5pt"><span 0="" nazanin="" style="font-family:">، جمع‌آوری اطلاعات انجام شد.</span></span></span></span></span></span></span><br> <span style="font-size:8.5pt"><span style="line-height:17pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><b><span lang="FA" style="font-size:9.5pt"><span 0="" nazanin="" style="font-family:">یافته‌ها</span></span></b><span lang="FA" style="font-size:9.5pt"><span 0="" nazanin="" style="font-family:">: با طراحی الگوریتم‌های هوش مصنوعی و </span></span><span lang="AR-SA" style="font-size:9.5pt"><span 0="" nazanin="" style="font-family:">تحلیل‌های مسیرهای مولکولی بسیار پیچیده در بدن انسان </span></span><span lang="FA" style="font-size:9.5pt"><span 0="" nazanin="" style="font-family:">با الگوبرداری از تجربیات دانشمندان و پزشکان در مطالعات بالینی </span></span><span lang="AR-SA" style="font-size:9.5pt"><span 0="" nazanin="" style="font-family:">و شبیه‌سازی فرآیندهای بیولوژیکی مرتبط با تنظیم بیان ژن در بدن انسان، اثربخشی ناقل‌های ژنی، کنترل پارامترهای تحویل ژن/دارو و مدل‌سازی سلول‌ها، </span></span><span lang="FA" style="font-size:9.5pt"><span 0="" nazanin="" style="font-family:">میزان خطاهای پزشکی را به حداقل رساند و با تشخیص زودرس بیماری و پیش‌بینی اثربخشی دارو، درمان‌های شخص محور اثربخشی درمان‌های نوینی مانند ژن‌درمانی را با کمترین عوارض در بالاترین سطح به بیماران ارائه کرد.</span></span></span></span></span></span></span><br> <span style="font-size:8.5pt"><span style="line-height:17pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><b><span lang="AR-SA" style="font-size:9.5pt"><span 0="" nazanin="" style="font-family:">بحث و نتیجه‌گیری</span></span></b><span lang="AR-SA" style="font-size:9.5pt"><span 0="" nazanin="" style="font-family:">: طی ده اخیر تلاش‌های زیادی شده تا از انواع روش‌های ژن‌درمانی در بیماری مبتلا به سرطان سینه با کمترین عوارض و بیشترین اثرگذاری استفاده گردد لذا جهت بهینه‌سازی تشخیص‌های زودرس و ژن‌درمانی اثرگذار سرطان سینه، هوش مصنوعی ابزار قدرتمندی بشمار می‌رود و ترکیب آن با علوم نوین و بین‌رشته‌ای در بهبود ارتقای میزان سلامت جامعه موضوع بسیار مورد علاقه برای دانشمندان است اما به علت محدودیت‌هایی که برای استفاده از آن وجود دارد مانند موارد اخلاقی و هزینه‌های بالا باید با دقت بالا و بررسی‌های کافی از این علم استفاده کرد.</span></span><span lang="FA" style="font-size:9.5pt"><span style="font-family:"0 Nazanin""></span></span></span></span></span></span></span><br> <br> &nbsp; <span style="font-size:11pt"><span style="line-height:normal"><span style="unicode-bidi:embed"><span calibri="" style="font-family:"><b><i><span new="" roman="" style="font-family:" times="">Background & Aims: </span></i></b><span new="" roman="" style="font-family:" times="">Gene therapy is used in various diseases such as cancer. Breast cancer is the most common malignancy in women worldwide, which shows the necessity of using innovative approaches in treatment methods. The ability of artificial intelligence algorithms to process large data, complex patterns, and classify them can be used to improve the process of gene therapy in breast cancer. The aim of this article is to review the available information and emphasize the applications of artificial intelligence in targeted gene therapy for breast cancer.<b><i></i></b></span></span></span></span></span><br> <span style="font-size:11pt"><span style="line-height:normal"><span style="unicode-bidi:embed"><span calibri="" style="font-family:"><b><i><span new="" roman="" style="font-family:" times="">Materials & Methods: </span></i></b><span new="" roman="" style="font-family:" times="">To carry out this study<b><i> </i></b>we used the articles on PubMed databases by searching for related keywords to collect information.<b><i></i></b></span></span></span></span></span><br> <span style="font-size:11pt"><span style="line-height:normal"><span style="unicode-bidi:embed"><span calibri="" style="font-family:"><b><i><span new="" roman="" style="font-family:" times="">Results: </span></i></b><span new="" roman="" style="font-family:" times="">By designing artificial intelligence algorithms and analyzing very complex molecular pathways in the human body and sampling the experiences of scientists and doctors in clinical studies and simulating biological processes related to the regulation of gene expression in the human body, the effectiveness of gene carriers, control of gene delivery parameters/medicine and modeling of cells minimized the rate of medical errors and with early diagnosis of the disease and predicting the effectiveness of the medicine, it provided patient-centered treatments of the effectiveness of new treatments such as gene therapy with the least complications at the highest level.</span></span></span></span></span><br> <span style="font-size:11pt"><span style="line-height:normal"><span style="unicode-bidi:embed"><span calibri="" style="font-family:"><b><i><span new="" roman="" style="font-family:" times="">Conclusion</span></i></b><b><span new="" roman="" style="font-family:" times="">:<i> </i></span></b><span new="" roman="" style="font-family:" times="">In recent decade, many efforts have been made to use all types of gene therapy for breast cancer patients with the least complications and the most effectiveness. Therefore, artificial intelligence is a powerful tool for optimizing early diagnosis and treatment for breast cancer. It&rsquo;s combination with interdisciplinary sciences in improving the health of the society is a very interesting topic for scientists, but due to the limitations that exist for its use, such as ethical cases and high costs, it should be done with high precision and sufficient studies.</span></span></span></span></span><br> &nbsp; هوش مصنوعی, سرطان سینه, ژن‌درمانی Artificial Intelligence, Breast Cancer, Gene Therapy 760 771 http://umj.umsu.ac.ir/browse.php?a_code=A-10-662-2&slc_lang=fa&sid=1 Shabnam Kabaranzadghadim شبنم کاباران زاد قدیم shabnamkabaran@yahoo.com 3700319475328460035157 3700319475328460035157 No M.Sc. of Clinical Biochemistry, Urmia University of Medical Sciences, Urmia, Iran کارشناس ارشد بیوشیمی بالینی، دانشگاه علوم پزشکی ارومیه، ارومیه، ایران Shiva Gholizadeh-Ghaleh Aziz شیوا قلی زاده قلعه عزیز gholizadeh.sh@umsu.ac.ir 3700319475328460035158 3700319475328460035158 Yes MD-Ph.D. in Molecular Medicine, Assistant Professor of Urmia University of Medical Sciences, Urmia, Iran (Corresponding Author) استادیار پزشکی مولکولی، دانشگاه علوم پزشکی ارومیه، ارومیه، ایران (نویسنده مسئول) Ghader Babaei قادر بابائی ghaderbiochem@gmail.com 3700319475328460035159 3700319475328460035159 No Ph.D. in Clinical Biochemistry, Urmia University of Medical Sciences, Urmia, Iran دکتری تخصصی بیوشیمی بالینی، دانشگاه علوم پزشکی ارومیه، ارومیه، ایران Sahar Mehranfar سحر مهرانفر dr_sahar21@yahoo.com 3700319475328460035160 3700319475328460035160 No MD-Ph.D. in Molecular Medicine, Assistant Professor of Urmia University of Medical Sciences, Urmia, Iran استادیار پزشکی مولکولی، دانشگاه علوم پزشکی ارومیه، ارومیه، ایران Rahim Mahmodlou رحیم محمودلو mahmodlou@gmail.com 3700319475328460035161 3700319475328460035161 No Professor of General & Thoracic Surgery, Urmia University of Medical Sciences, Urmia, Iran (Co-corresponding Author) استاد جراحی قفسه سینه، دانشگاه علوم پزشکی ارومیه، ارومیه، ایران (نویسنده مسئول)