تشخیص سریع سرطان با هوش مصنوعی جدید

محققان دانشگاه گوتنبرگ به تازگی یک مدل هوش مصنوعی جدید ایجاد کرده‌اند که توانایی‌های تشخیص سریع سرطان را از طریق تجزیه و تحلیل قند افزایش می‌دهد.

به‌ گزارش تک‌ناک، دانشمندان دانشگاه گوتنبرگ مدل جدیدی از هوش مصنوعی به نام Candycrunch را توسعه داده‌اند، که می‌تواند به سرعت سرنخ‌های سرطان را با تحلیل مولکول‌های قند یا گلیکان‌های موجود در سلول‌ها شناسایی کند.

این مدل هوش مصنوعی با تفسیر خودکار داده‌های اسپکترومتری جرمی، فرآیندی که پیش‌تر نیازمند تجزیه و تحلیل تخصصی بود، با سرعت و دقت بالا در تشخیص سرطان کمک می‌کند. همچنین در شناسایی ناهنجاری‌ها از تکنیک‌های نیمه دستی موجود کارایی بهتری ارائه می‌دهد.

از طیف‌سنجی جرمی می‌توان برای اندازه‌گیری گلیکان‌ها که ساختار مولکول قند در سلول‌های ما هستند، استفاده کرد. این ساختارها می‌توانند وجود انواع مختلف سرطان را در سلول‌ها آشکار کنند.

با وجود این، داده‌های اندازه‌گیری طیف‌سنج جرمی باید به دقت توسط انسان تجزیه و تحلیل شود تا ساختار حاصل از تکه‌تکه شدن گلیکان را مشخص کند. این فرآیند می‌تواند از ساعت‌ها تا روزها برای هر نمونه طول بکشد و ممکن است توسط تعداد کمی از متخصصان در جهان انجام شود.

تجزیه و تحلیل گلیکان فقط در چند ثانیه

در نتیجه این فرآیند یک مشکل در استفاده از تجزیه و تحلیل گلیکان به عنوان مثال برای تشخیص سرطان است، چرا که نمونه‌های زیادی برای تجزیه و تحلیل وجود دارد. به همین دلیل محققان دانشگاه گوتنبرگ یک مدل هوش مصنوعی برای خودکارسازی این روند تشخیصی ایجاد کرده‌اند. مدل هوش مصنوعی که Candycrunch نام دارد، این کار را تنها در چند ثانیه برای هر تست حل می‌کند. نتایج در یک مقالۀ علمی در مجلۀ Nature Methods منتشر شده است.

این مدل هوش مصنوعی با استفاده از پایگاه داده‌ای بیش از 500000 نمونه از قطعات مختلف و ساختارهای مرتبط مولکول‌های قند آموزش داده شد.

دانیل بوجار، استادیار ارشد بیوانفورماتیک در دانشگاه گوتنبرگ گفت: «این آموزش، هوش مصنوعی Candycrunch را قادر می‌سازد تا ساختار قند دقیق را در یک نمونه در 90 درصد موارد محاسبه کند.»

یافتن نشانگرهای زیستی جدید با Candycrunch

مدل هوش مصنوعی جدید به زودی می‌تواند به سطوح دقت بسیار بالایی دست یابد. از آنجایی که مدل هوش مصنوعی در پاسخ‌های خود بسیار سریع و دقیق است، می‌تواند کشف نشانگرهای زیستی مبتنی بر گلیکان را برای تشخیص و پیش‌آگاهی سرطان تسریع بخشد.

همچنین مدل هوش مصنوعی Candycrunch قادر به شناسایی ساختارهایی است که اغلب به دلیل غلظت کم توسط تجزیه و تحلیل‌های انسانی نادیده گرفته می‌شوند. بنابراین این مدل می‌تواند به محققان در یافتن نشانگرهای زیستی جدید مبتنی بر گلیکان کمک کند.