Všetok obsah iLive je lekársky kontrolovaný alebo kontrolovaný, aby sa zabezpečila čo najväčšia presnosť faktov.
Máme prísne smernice týkajúce sa získavania zdrojov a len odkaz na seriózne mediálne stránky, akademické výskumné inštitúcie a vždy, keď je to možné, na lekársky partnerské štúdie. Všimnite si, že čísla v zátvorkách ([1], [2] atď.) Sú odkazmi na kliknutia na tieto štúdie.
Ak máte pocit, že niektorý z našich obsahov je nepresný, neaktuálny alebo inak sporný, vyberte ho a stlačte kláves Ctrl + Enter.
Model s umelou inteligenciou dokáže veľmi rýchlo rozpoznať príznaky rakoviny
Posledná kontrola: 02.07.2025
Výskumníci na Univerzite v Göteborgu vyvinuli model umelej inteligencie, ktorý zlepšuje potenciál detekcie rakoviny prostredníctvom analýzy cukru. Tento model umelej inteligencie je rýchlejší a lepší pri hľadaní abnormalít ako súčasná poloautomatická metóda.
Glykány, štruktúry molekúl cukru v našich bunkách, sa dajú merať pomocou hmotnostnej spektrometrie. Tieto štruktúry môžu naznačovať rôzne formy rakoviny v bunkách. Údaje z hmotnostného spektrometra však musia byť starostlivo analyzované ľuďmi, aby sa určila štruktúra z fragmentácie glykánov. Tento proces môže trvať hodiny až dni pre každú vzorku a s vysokou presnosťou ho môže vykonať len malý počet odborníkov na svete, pretože ide v podstate o detektívnu prácu, ktorá sa učí už mnoho rokov.
Automatizácia detektívnej práce
Tento proces predstavuje úzke hrdlo pri používaní analýzy glykánov, napríklad na detekciu rakoviny, kde je potrebné analyzovať veľa vzoriek. Výskumníci z Univerzity v Göteborgu vyvinuli model umelej inteligencie na automatizáciu tejto práce. Model umelej inteligencie s názvom Candycrunch vyrieši úlohu len za niekoľko sekúnd na test. Výsledky boli publikované vo vedeckom článku v časopise Nature Methods.
Model umelej inteligencie bol trénovaný s použitím databázy s viac ako 500 000 príkladmi rôznych fragmentácií a súvisiacich štruktúr molekúl cukru.
Nové biomarkery
To znamená, že model umelej inteligencie by mohol čoskoro dosiahnuť rovnakú úroveň presnosti ako sekvenovanie iných biologických sekvencií, ako je DNA, RNA alebo proteíny. Vďaka svojej rýchlosti a presnosti by model mohol urýchliť objavovanie glykánových biomarkerov pre diagnostiku a prognózu rakoviny.
„Veríme, že analýza glykánov sa stane významnejšou súčasťou biologického a klinického výskumu teraz, keď sme automatizovali úzke hrdlo,“ hovorí Daniel Boyar, docent bioinformatiky na Univerzite v Göteborgu.
Model Candycrunch dokáže identifikovať aj štruktúry, ktoré manuálna analýza často prehliada kvôli ich nízkym koncentráciám. Model tak môže pomôcť výskumníkom nájsť nové glykánové biomarkery.