Ang lahat ng nilalaman ng iLive ay medikal na nasuri o naka-check ang katotohanan upang masiguro ang mas tumpak na katumpakan hangga't maaari.
Mayroon kaming mahigpit na mga panuntunan sa pag-uukulan at nag-uugnay lamang sa mga kagalang-galang na mga site ng media, mga institusyong pang-akademikong pananaliksik at, hangga't maaari, ang mga pag-aaral ng medikal na pag-aaral. Tandaan na ang mga numero sa panaklong ([1], [2], atbp) ay maaaring i-click na mga link sa mga pag-aaral na ito.
Kung sa tingin mo na ang alinman sa aming nilalaman ay hindi tumpak, hindi napapanahon, o kung hindi pinag-uusapan, mangyaring piliin ito at pindutin ang Ctrl + Enter.
Ang modelo ng artificial intelligence ay nakakakita ng mga palatandaan ng kanser sa napakabilis na bilis
Huling nasuri: 02.07.2025
Ang mga mananaliksik sa Unibersidad ng Gothenburg ay nakabuo ng isang modelo ng AI na nagpapabuti sa potensyal para sa pagtuklas ng kanser sa pamamagitan ng pagsusuri ng asukal. Ang AI model na ito ay mas mabilis at mas mahusay sa paghahanap ng mga abnormalidad kaysa sa kasalukuyang semi-automated na pamamaraan.
Ang mga Glycan, ang mga istruktura ng mga molekula ng asukal sa ating mga selula, ay maaaring masukat gamit ang mass spectrometry. Ang mga istrukturang ito ay maaaring magpahiwatig ng iba't ibang anyo ng kanser sa mga selula. Gayunpaman, ang data mula sa mass spectrometer ay dapat na maingat na pag-aralan ng mga tao upang matukoy ang istraktura mula sa glycan fragmentation. Ang prosesong ito ay maaaring tumagal ng ilang oras hanggang araw para sa bawat sample at maaari lamang gawin nang may mataas na katumpakan ng isang maliit na bilang ng mga eksperto sa mundo, dahil ito ay mahalagang gawaing detektib na natutunan sa loob ng maraming taon.
Automation ng gawaing tiktik
Ang prosesong ito ay isang bottleneck sa paggamit ng glycan analysis, halimbawa para sa pagtuklas ng cancer, kung saan maraming sample ang kailangang suriin. Ang mga mananaliksik mula sa Unibersidad ng Gothenburg ay nakabuo ng isang modelo ng AI upang i-automate ang gawaing ito. Ang modelo ng AI, na tinatawag na Candycrunch, ay nilulutas ang gawain sa loob lamang ng ilang segundo bawat pagsubok. Ang mga resulta ay nai-publish sa isang siyentipikong papel sa journal Nature Methods.
Ang modelo ng AI ay sinanay gamit ang isang database ng higit sa 500,000 mga halimbawa ng iba't ibang mga fragmentation at nauugnay na mga istruktura ng mga molekula ng asukal.
Mga bagong biomarker
Nangangahulugan ito na malapit nang makamit ng modelo ng AI ang parehong antas ng katumpakan gaya ng pagkakasunud-sunod ng iba pang mga biological sequence, gaya ng DNA, RNA, o mga protina. Sa bilis at katumpakan nito, maaaring mapabilis ng modelo ang pagtuklas ng mga glycan biomarker para sa diagnosis at pagbabala ng kanser.
"Naniniwala kami na ang pagtatasa ng glycan ay magiging isang mas makabuluhang bahagi ng biological at klinikal na pananaliksik ngayong na-automate na namin ang bottleneck," sabi ni Daniel Boyar, associate professor ng bioinformatics sa University of Gothenburg.
Nagagawa rin ng modelong Candycrunch na tukuyin ang mga istruktura na kadalasang hindi nakuha ng manu-manong pagsusuri dahil sa mababang konsentrasyon ng mga ito. Kaya, makakatulong ang modelo sa mga mananaliksik na makahanap ng mga bagong glycan biomarker.