Сви иЛиве садржаји су медицински прегледани или проверени како би се осигурала што већа тачност.
Имамо стриктне смјернице за набавку и само линкамо на угледне медијске странице, академске истраживачке институције и, кад год је то могуће, медицински прегледане студије. Имајте на уму да су бројеви у заградама ([1], [2], итд.) Везе које се могу кликнути на ове студије.
Ако сматрате да је било који од наших садржаја нетачан, застарио или на неки други начин упитан, одаберите га и притисните Цтрл + Ентер.
Модел вештачке интелигенције открива знаке рака ултрабрзом брзином
Последње прегледано: 02.07.2025
Истраживачи са Универзитета у Гетеборгу развили су модел вештачке интелигенције који побољшава потенцијал за откривање рака путем анализе шећера. Овај модел вештачке интелигенције је бржи и бољи у проналажењу абнормалности од тренутне полуаутоматске методе.
Гликани, структуре молекула шећера у нашим ћелијама, могу се мерити помоћу масене спектрометрије. Ове структуре могу указивати на различите облике рака у ћелијама. Међутим, људи морају пажљиво анализирати податке из масеног спектрометра како би одредили структуру на основу фрагментације гликана. Овај процес може трајати сатима до данима за сваки узорак и може га са великом тачношћу обавити само мали број стручњака у свету, јер је то у суштини детективски посао који се учи током многих година.
Аутоматизација детективског рада
Овај процес представља уско грло у коришћењу анализе гликана, на пример за откривање рака, где је потребно анализирати много узорака. Истраживачи са Универзитета у Гетеборгу развили су модел вештачке интелигенције како би аутоматизовали овај посао. Модел вештачке интелигенције, назван Candycrunch, решава задатак за само неколико секунди по тесту. Резултати су објављени у научном раду у часопису Nature Methods.
Модел вештачке интелигенције је обучен коришћењем базе података са више од 500.000 примера различитих фрагментација и повезаних структура молекула шећера.
Нови биомаркери
То значи да би модел вештачке интелигенције ускоро могао да постигне исти ниво тачности као секвенцирање других биолошких секвенци, као што су ДНК, РНК или протеини. Својом брзином и тачношћу, модел би могао да убрза откривање гликанских биомаркера за дијагнозу и прогнозу рака.
„Верујемо да ће анализа гликана постати значајнији део биолошких и клиничких истраживања сада када смо аутоматизовали уско грло“, каже Данијел Бојар, ванредни професор биоинформатике на Универзитету у Гетеборгу.
Модел Candycrunch је такође у стању да идентификује структуре које се често превиђају ручном анализом због њихових ниских концентрација. Стога, модел може помоћи истраживачима да пронађу нове гликанске биомаркере.