Cała zawartość iLive jest sprawdzana medycznie lub sprawdzana pod względem faktycznym, aby zapewnić jak największą dokładność faktyczną.
Mamy ścisłe wytyczne dotyczące pozyskiwania i tylko linki do renomowanych serwisów medialnych, akademickich instytucji badawczych i, o ile to możliwe, recenzowanych badań medycznych. Zauważ, że liczby w nawiasach ([1], [2] itd.) Są linkami do tych badań, które można kliknąć.
Jeśli uważasz, że któraś z naszych treści jest niedokładna, nieaktualna lub w inny sposób wątpliwa, wybierz ją i naciśnij Ctrl + Enter.
Model sztucznej inteligencji wykrywa oznaki raka w ultraszybkim tempie
Ostatnia recenzja: 02.07.2025
Naukowcy z University of Gothenburg opracowali model AI, który zwiększa potencjał wykrywania raka poprzez analizę cukru. Ten model AI jest szybszy i lepszy w znajdowaniu nieprawidłowości niż obecna półautomatyczna metoda.
Glikany, struktury cząsteczek cukru w naszych komórkach, można zmierzyć za pomocą spektrometrii masowej. Struktury te mogą wskazywać na różne formy raka w komórkach. Jednak dane ze spektrometru masowego muszą być dokładnie analizowane przez ludzi, aby określić strukturę na podstawie fragmentacji glikanów. Proces ten może trwać od kilku godzin do kilku dni dla każdej próbki i może być wykonany z dużą dokładnością tylko przez niewielką liczbę ekspertów na świecie, ponieważ jest to w zasadzie praca detektywistyczna, której uczy się przez wiele lat.
Automatyzacja pracy detektywistycznej
Proces ten stanowi wąskie gardło w stosowaniu analizy glikanów, na przykład w wykrywaniu raka, gdzie trzeba analizować wiele próbek. Naukowcy z Uniwersytetu w Göteborgu opracowali model AI, aby zautomatyzować tę pracę. Model AI, zwany Candycrunch, rozwiązuje zadanie w ciągu kilku sekund na test. Wyniki zostały opublikowane w artykule naukowym w czasopiśmie Nature Methods.
Model sztucznej inteligencji wytrenowano, wykorzystując bazę danych zawierającą ponad 500 000 przykładów różnych fragmentacji i powiązanych struktur cząsteczek cukru.
Nowe biomarkery
Oznacza to, że model AI może wkrótce osiągnąć ten sam poziom dokładności, co sekwencjonowanie innych sekwencji biologicznych, takich jak DNA, RNA lub białka. Dzięki swojej szybkości i dokładności model może przyspieszyć odkrywanie biomarkerów glikanowych do diagnostyki i prognozowania raka.
„Jesteśmy przekonani, że analiza glikanów stanie się ważniejszą częścią badań biologicznych i klinicznych, teraz gdy zautomatyzowaliśmy wąskie gardło” – mówi Daniel Boyar, adiunkt bioinformatyki na Uniwersytecie w Göteborgu.
Model Candycrunch jest również w stanie zidentyfikować struktury, które często są pomijane przez analizę manualną ze względu na ich niskie stężenia. W ten sposób model może pomóc badaczom znaleźć nowe biomarkery glikanów.