Svi iLive sadržaji medicinski se pregledavaju ili provjeravaju kako bi se osigurala što je moguće točnija činjenica.
Imamo stroge smjernice za pronalaženje izvora i samo povezujemo s uglednim medijskim stranicama, akademskim istraživačkim institucijama i, kad god je to moguće, medicinski pregledanim studijama. Imajte na umu da su brojevi u zagradama ([1], [2], itd.) Poveznice koje se mogu kliknuti na ove studije.
Ako smatrate da je bilo koji od naših sadržaja netočan, zastario ili na neki drugi način upitan, odaberite ga i pritisnite Ctrl + Enter.
Model umjetne inteligencije ultrabrzo otkriva znakove raka
Posljednji pregledao: 02.07.2025
Istraživači sa Sveučilišta u Göteborgu razvili su model umjetne inteligencije koji poboljšava potencijal za otkrivanje raka putem analize šećera. Ovaj model umjetne inteligencije brži je i bolji u pronalaženju abnormalnosti od trenutne poluautomatske metode.
Glikani, strukture molekula šećera u našim stanicama, mogu se mjeriti pomoću masene spektrometrije. Ove strukture mogu ukazivati na različite oblike raka u stanicama. Međutim, ljudi moraju pažljivo analizirati podatke iz masenog spektrometra kako bi odredili strukturu fragmentacijom glikana. Ovaj proces može trajati satima do danima za svaki uzorak i može ga s visokom točnošću izvesti samo mali broj stručnjaka u svijetu, jer je to u biti detektivski posao koji se uči tijekom mnogo godina.
Automatizacija detektivskog rada
Ovaj proces predstavlja usko grlo u korištenju analize glikana, na primjer za otkrivanje raka, gdje je potrebno analizirati mnogo uzoraka. Istraživači sa Sveučilišta u Göteborgu razvili su model umjetne inteligencije za automatizaciju ovog rada. Model umjetne inteligencije, nazvan Candycrunch, rješava zadatak u samo nekoliko sekundi po testu. Rezultati su objavljeni u znanstvenom radu u časopisu Nature Methods.
Model umjetne inteligencije treniran je korištenjem baze podataka s više od 500 000 primjera različitih fragmentacija i povezanih struktura molekula šećera.
Novi biomarkeri
To znači da bi model umjetne inteligencije uskoro mogao postići istu razinu točnosti kao i sekvenciranje drugih bioloških sekvenci, poput DNK, RNK ili proteina. Svojom brzinom i točnošću, model bi mogao ubrzati otkrivanje glikanskih biomarkera za dijagnozu i prognozu raka.
„Vjerujemo da će analiza glikana postati značajniji dio bioloških i kliničkih istraživanja sada kada smo automatizirali usko grlo“, kaže Daniel Boyar, izvanredni profesor bioinformatike na Sveučilištu u Göteborgu.
Model Candycrunch također je u stanju identificirati strukture koje se često previde ručnom analizom zbog njihovih niskih koncentracija. Stoga model može pomoći istraživačima u pronalaženju novih glikanskih biomarkera.