Jaunas publikācijas
Mākslīgā intelekta modelis īpaši ātri atklāj vēža pazīmes
Pēdējā pārskatīšana: 02.07.2025
Visi iLive saturs ir medicīniski pārskatīts vai pārbaudīts, lai nodrošinātu pēc iespējas lielāku faktisko precizitāti.
Mums ir stingras iegādes vadlīnijas un tikai saikne ar cienījamiem mediju portāliem, akadēmiskām pētniecības iestādēm un, ja vien iespējams, medicīniski salīdzinošiem pārskatiem. Ņemiet vērā, ka iekavās ([1], [2] uc) esošie numuri ir klikšķi uz šīm studijām.
Ja uzskatāt, ka kāds no mūsu saturiem ir neprecīzs, novecojis vai citādi apšaubāms, lūdzu, atlasiet to un nospiediet Ctrl + Enter.
Gēteborgas Universitātes pētnieki ir izstrādājuši mākslīgā intelekta modeli, kas uzlabo vēža atklāšanas potenciālu, izmantojot cukura analīzi. Šis mākslīgā intelekta modelis ir ātrāks un labāks anomāliju atrašanā nekā pašreizējā daļēji automatizētā metode.
Glikānus, cukura molekulu struktūras mūsu šūnās, var izmērīt, izmantojot masas spektrometriju. Šīs struktūras var norādīt uz dažādām vēža formām šūnās. Tomēr cilvēkiem ir rūpīgi jāanalizē dati no masas spektrometra, lai noteiktu struktūru no glikāna fragmentācijas. Šis process katram paraugam var ilgt stundām līdz pat dienām, un to ar augstu precizitāti var veikt tikai neliels skaits ekspertu pasaulē, jo tas būtībā ir detektīvdarbs, kas apgūts daudzu gadu laikā.
Detektīvdarba automatizācija
Šis process ir šķērslis glikāna analīzes izmantošanā, piemēram, vēža noteikšanā, kur jāanalizē daudzi paraugi. Gēteborgas Universitātes pētnieki ir izstrādājuši mākslīgā intelekta modeli šī darba automatizēšanai. Mākslīgā intelekta modelis ar nosaukumu Candycrunch atrisina uzdevumu tikai dažās sekundēs katrā testā. Rezultāti tika publicēti zinātniskā rakstā žurnālā Nature Methods.
Mākslīgā intelekta modelis tika apmācīts, izmantojot datubāzi, kurā bija vairāk nekā 500 000 dažādu cukura molekulu fragmentāciju un ar tām saistīto struktūru piemēru.
Jauni biomarķieri
Tas nozīmē, ka mākslīgā intelekta modelis drīzumā varētu sasniegt tādu pašu precizitātes līmeni kā citu bioloģisko sekvenču, piemēram, DNS, RNS vai olbaltumvielu, sekvencēšana. Ar savu ātrumu un precizitāti modelis varētu paātrināt glikāna biomarķieru atklāšanu vēža diagnostikai un prognozēšanai.
"Mēs uzskatām, ka glikāna analīze kļūs par nozīmīgāku bioloģisko un klīnisko pētījumu daļu tagad, kad esam automatizējuši sašaurinājumu," saka Daniels Bojars, bioinformātikas asociētais profesors Gēteborgas Universitātē.
Candycrunch modelis spēj arī identificēt struktūras, kuras manuālā analīze bieži vien nepamana to zemās koncentrācijas dēļ. Tādējādi modelis var palīdzēt pētniekiem atrast jaunus glikāna biomarķierus.