Zaloguj się, aby obserwować tę zawartość
Obserwujący
0
Sztuczna inteligencja z Akademii Górniczo-Hutnicznej poprawi diagnostykę nowotworów u zwierząt
dodany przez
KopalniaWiedzy.pl, w Technologia
-
Podobna zawartość
-
przez KopalniaWiedzy.pl
Na Uniwersytecie Stanforda powstała rewolucyjna technika obrazowania struktur wewnątrz organizmu. Polega ona na uczynieniu skóry i innych tkanek... przezroczystymi. Można tego dokonać nakładając na skórę jeden z barwników spożywczych. Testy na zwierzętach wykazały, że proces jest odwracalny. Technika taka taka, jeśli sprawdzi się na ludziach, może mieć bardzo szerokie zastosowanie – od lokalizowania ran, poprzez monitorowanie chorób układu trawienia, po diagnostykę nowotworową.
Technologia ta może uczynić żyły lepiej widocznymi podczas pobierania krwi, ułatwić laserowe usuwanie tatuaży i pomagać we wczesnym wykrywaniu i leczeniu nowotworów, mówi Guosong Hong. Na przykład niektóre terapie wykorzystują lasery do usuwania komórek nowotworowych i przednowotworowych, ale ich działanie ograniczone jest do obszaru znajdującego się blisko powierzchni skóry. Ta technika może poprawić penetrację światła laserowego, dodaje.
Przyczyną, dla której nie możemy zajrzeć do wnętrza organizmu, jest rozpraszanie światła. Tłuszcze, płyny, białka, z których zbudowane są organizmy żywe, rozpraszają światło w różny sposób, powodując, że nie jest ono w stanie penetrować ich wnętrza, więc są dla nas nieprzezroczyste. Naukowcy ze Stanforda stwierdzili, że jeśli chcemy, by materiał biologiczny stał się przezroczysty, musimy spowodować, żeby wszystkie budujące go elementy rozpraszały światło w ten sam sposób. Innymi słowy, by miały taki sam współczynnik załamania. A opierając się na wiedzy z optyki stwierdzili, że barwniki najlepiej absorbują światło i mogą być najlepszym ośrodkiem, który spowoduje ujednolicenie współczynników załamania.
Szczególną uwagę zwrócili na tartrazynę czyli żółcień spożywczą 5, oznaczoną symbolem E102. Okazało się, że mieli rację. Po rozpuszczeniu w wodzie i zaabsorbowaniu przez tkanki, tartrazyna zapobiegała rozpraszaniu światła. Najpierw barwnik przetestowano na cienkich plastrach kurzej piersi. W miarę, jak stężenie tartrazyny rosło, zwiększał się współczynnik załamania światła w płynie znajdującym się w mięśniach. W końcu zwiększył się do tego stopnia, że był taki, jak w białkach budujących mięśnie. Plaster stał się przezroczysty.
Później zaczęto eksperymenty na myszach. Najpierw wtarli roztwór tartrazyny w skórę głowy, co pozwoliło im na obserwowanie naczyń krwionośnych. Później nałożyli go na brzuch, dzięki czemu mogli obserwować kurczenie się jelit i ruchy wywoływane oddychaniem oraz biciem serca. Technika pozwalała na obserwacje struktur wielkości mikrometrów, a nawet polepszyła obserwacje mikroskopowe. Po zmyciu tartrazyny ze skóry tkanki szybko wróciły do standardowego wyglądu. Nie zaobserwowano żadnych długoterminowych skutków nałożenia tartrazyny, a jej nadmiar został wydalony z organizmu w ciągu 48 godzin. Naukowcy podejrzewają, że wstrzyknięcie barwnika do tkanki pozwoli na obserwowanie jeszcze głębiej położonych struktur organizmu.
Badania, w ramach których dokonano tego potencjalnie przełomowego odkrycia, rozpoczęły się jako projekt, którego celem jest sprawdzenie, jak promieniowanie mikrofalowe wpływa na tkanki. Naukowcy przeanalizowali prace z dziedziny optyki z lat 70. i 80. ubiegłego wieku i znaleźli w nich dwa podstawowe narzędzia, które uznali za przydatne w swoich badaniach: matematyczne relacje Kramersa-Kroniga oraz model Lorentza. Te matematyczne narzędzia rozwijane są od dziesięcioleci, jednak nie używano ich w medycynie w taki sposób, jak podczas opisywanych badań.
Jeden z członków grupy badawczej zdał sobie sprawę, że te same zmiany, które czynią badane materiały przezroczystymi dla mikrofal, można zastosować dla światła widzialnego, co mogłyby być użyteczne w medycynie. Uczeni zamówili więc sięc silne barwniki i zaczęli dokładnie je analizować, szukając tego o idealnych właściwościach optycznych.
Nowatorskie podejście do problemu pozwoliło na dokonanie potencjalnie przełomowego odkrycia. O relacjach Kramersa-Kroniga uczy się każdy student optyki, w tym przypadku naukowcy wykorzystali tę wiedzę, do zbadania, jak silne barwniki mogą uczynić skórę przezroczystą. Podążyli więc w zupełnie nowym kierunku i wykorzystali znane od dziesięcioleci podstawy do stworzenia nowatorskiej technologii.
« powrót do artykułu -
przez KopalniaWiedzy.pl
Okresowe głodówki niosą ze sobą wiele korzyści zdrowotnych. Opóźniają wystąpienie niektórych chorób związanych z wiekiem, przedłużają życie. W grę wchodzi tutaj wiele różnych mechanizmów. Jedne z badań prowadzonych MIT wykazały, że głodówka zwiększa możliwości regeneracyjne komórek macierzystych układu pokarmowego, które dzięki temu są w stanie likwidować stany zapalne czy uszkodzenia jelit. Autorzy najnowszych badań dokładnie opisali ten mechanizm, ale odkryli też jego ciemną stronę. Jeśli w takim okresie regeneracji dojdzie do mutacji onkogennych, u badanych myszy z większym prawdopodobieństwem rozwijały się guzy.
Większa aktywność komórek macierzystych jest korzystna z punktu widzenia powrotu do zdrowia, ale zbyt dużo dobrego może z czasem mieć niekorzystne skutki, mówi główny autor badań, profesor Omer Yilmaz ze znajdującego się na MIT Koch Institute for Integrative Cancer Research. Uczony dodaje, że potrzebne są kolejne badania, by sprawdzić, czy takie samo zjawisko występuje również u ludzi.
Yilmaz i jego zespół od wielu lat badają wpływ głodówek i diet niskokalorycznych na zdrowie układu pokarmowego. W 2018 roku wykazali, że podczas głodówki komórki macierzyste jelit zaczynają wykorzystywać lipidy, a nie węglowodany, jako źródła energii. Dowiedli też, że głodówka prowadzi do znacznego zwiększenia zdolności regeneracyjnych komórek macierzystych. Od tamtego czasu próbowaliśmy zrozumieć mechanizm, za pomocą którego głodówka zwiększa te zdolności. Czy chodzi o samą głodówkę czy o jedzenie po zakończeniu głodówki, wyjaśnia uczony.
Nowe badania pokazały, że w czasie głodówki zdolności regeneracyjne komórek macierzystych są ograniczone, ale gwałtownie wzrastają w okresie po zakończeniu głodówki. Uczeni prowadzili eksperymenty na trzech grupach myszy. Pierwsza z nich głodowała przez 24 godziny, druga głodowała przez 24 godziny, a następnie mogła jeść kiedy chce, oraz trzecia, która mogła jeść kiedy chce. W czasie trwania eksperymentu prowadzono analizę zdolności do namnażania się komórek macierzystych jelit. Okazało się, że taki proces zachodził najbardziej intensywnie po zakończeniu głodówki.
Głodówka i ponowne spożywanie pokarmów to dwa różne stany. Podczas głodówki komórki mogą przetrwać dzięki wykorzystywaniu lipidów. A regenerację napędza okres ponownego przyjmowania pokarmów po głodówce. Wówczas komórki macierzyste i komórki prekursorowe uruchamiają programy, które pozwalają im namnażanie się i ponowne zasiedlanie wyściółki jelit, wyjaśnia doktor Shinya Imada. Badacze dowiedzieli się, że komórki aktywują wówczas szlak sygnałowy mTOR, który zaangażowany jest w procesy wzrostu i metabolizmu komórek. Jedną z ról mTOR jest translacja mRNA w białka, więc po aktywacji, komórka produkuje więcej białka, a jego synteza jest niezbędna do rozprzestrzeniania się. Uczeni wykazali też, że aktywacja mTOR w komórkach macierzystych prowadzi też do bardzo dużej produkcji poliamin, niewielkich molekuł pomagających komórkom we wzroście i podziale.
Okazało się jednak, że gdy komórki macierzyste znajdują się stanie, w którym zdolne są do tak intensywnej regeneracji, są bardziej podatne na mutacje onkogenne. Komórki macierzyste jelit należą do najbardziej aktywnie dzielących się komórek w naszych organizmach. Dzięki nim szybko dochodzi do wymiany wyściółki jelit. Jednak, jako że dzielą się tak często, są głównym źródłem komórek przedrakowych. Autorzy badań zauważyli, że gdy u myszy, które zaczęły jeść po głodówce, uruchomią gen powodujący nowotwór, zwierzęta takie z większym prawdopodobieństwem rozwiną przedrakowe polityp niż w sytuacji, gdy gen zostanie uruchomiony w czasie głodówki czy u zwierząt, które nie głodowały.
Chcę podkreślić, że to badania na myszach, w których użyliśmy konkretnej mutacji. U ludzi będzie to bardziej skomplikowane. Z badań możemy jednak wyciągnąć następujący wniosek: głodówka jest bardzo zdrowa, jeśli jednak masz pecha i w momencie, gdy kończysz głodówkę komórki twoich jelit zostaną wystawione na działanie mutagenu – na przykład na przypalony stek – może dojść do zwiększenia ryzyka pojawienia się nieprawidłowości, która da początek nowotworowi, wyjaśnia Yilmaz.
Uczony stwierdził też, że głodówka może przynieść bardzo dużo korzyści osobom, które przechodzą uszkadzającą jelita radioterapię. Obecnie wraz z zespołem bada, czy podobnych korzyści nie można odnieść bez głodówki, przyjmując suplementy poliamin.
« powrót do artykułu -
przez KopalniaWiedzy.pl
Wielkie modele językowe (LLM) – takie jak osławiony ChatGPT – nie są w stanie samodzielnie się uczyć i nabierać nowych umiejętności, a tym samym nie stanowią egzystencjalnego zagrożenia dla ludzkości, uważają autorzy badań opublikowanych w ramach 62nd Annual Meeting of the Association for Computational Linguistics, głównej międzynarodowej konferencji dotyczącej komputerowego przetwarzania języków naturalnych.
Naukowcy z Uniwersytetu Technicznego w Darmstadt i Uniwersytetu w Bath stwierdzają, że LLM potrafią uczyć się, jeśli zostaną odpowiednio poinstruowane. To zaś oznacza, że można je w pełni kontrolować, przewidzieć ich działania, a tym samym są dla nas bezpieczne. Bezpieczeństwo ludzkości nie jest więc powodem, dla którego możemy się ich obawiać. Chociaż, jak zauważają badacze, wciąż można je wykorzystać w sposób niepożądany.
W miarę rozwoju modele te będą prawdopodobnie w stanie udzielać coraz bardziej złożonych odpowiedzi i posługiwać się coraz doskonalszym językiem, ale jest wysoce nieprawdopodobne, by nabyły umiejętności złożonego rozumowania. Co więcej, jak stwierdza doktor Harish Tayyar Madabushi, jeden z autorów badań, dyskusja o egzystencjalnych zagrożeniach ze strony LLM odwraca naszą uwagę od rzeczywistych problemów i zagrożeń z nimi związanych.
Uczeni z Wielkiej Brytanii i Niemiec przeprowadzili serię eksperymentów, w ramach których badali zdolność LLM do radzenia sobie z zadaniami, z którymi wcześniej nigdy się nie spotkały. Ilustracją problemu może być na przykład fakt, że od LLM można uzyskać odpowiedzi dotyczące sytuacji społecznej, mimo że modele nigdy nie były ćwiczone w takich odpowiedziach, ani zaprogramowane do ich udzielania. Badacze wykazali jednak, że nie nabywają one w żaden tajemny sposób odpowiedniej wiedzy, a korzystają ze znanych wbudowanych mechanizmów tworzenia odpowiedzi na podstawie analizy niewielkiej liczby znanych im przykładów.
Tysiące eksperymentów, za pomocą których brytyjsko-niemiecki zespół przebadał LLM wykazało, że zarówno wszystkie ich umiejętności, jak i wszystkie ograniczenia, można wyjaśnić zdolnością do przetwarzania instrukcji, rozumienia języka naturalnego oraz umiejętnościom odpowiedniego wykorzystania pamięci.
Obawiano się, że w miarę, jak modele te stają się coraz większe, będą w stanie odpowiadać na pytania, których obecnie sobie nawet nie wyobrażamy, co może doprowadzić do sytuacji, ze nabiorą niebezpiecznych dla nas umiejętności rozumowania i planowania. Nasze badania wykazały, że strach, iż modele te zrobią coś niespodziewanego, innowacyjnego i niebezpiecznego jest całkowicie bezpodstawny, dodaje Madabushi.
Główna autorka badań, profesor Iryna Gurevych wyjaśnia, że wyniki badań nie oznaczają, iż AI w ogóle nie stanowi zagrożenia. Wykazaliśmy, że domniemane pojawienie się zdolności do złożonego myślenia powiązanych ze specyficznymi zagrożeniami nie jest wsparte dowodami i możemy bardzo dobrze kontrolować proces uczenia się LLM. Przyszłe badania powinny zatem koncentrować się na innych ryzykach stwarzanych przez wielkie modele językowe, takie jak możliwość wykorzystania ich do tworzenia fałszywych informacji.
« powrót do artykułu -
przez KopalniaWiedzy.pl
Dermatolog Harald Kittler z Uniwersytetu Medycznego w Wiedniu stanął na czele austriacko-australijskiego zespołu, który porównał trafność diagnozy i zaleceń dotyczących postępowania z przebarwieniami na skórze stawianych przez lekarzy oraz przez dwa algorytmy sztucznej inteligencji pracujące na smartfonach. Okazało się, że algorytmy równie skutecznie co lekarze diagnozują przebarwienia. Natomiast lekarze podejmują znacznie lepsze decyzje dotyczące leczenia.
Testy przeprowadzono na prawdziwych przypadkach pacjentów, którzy zgłosili się na Wydział Dermatologii Uniwersytetu Medycznego w Wiedniu oraz do Centrum Diagnozy Czerniaka w Sydney w Australii.
Testowane były dwa scenariusze. W scenariuszu A porównywano 172 podejrzane przebarwienia na skórze (z których 84 były nowotworami), jakie wystąpiły u 124 pacjentów. W drugim (scenariuszu B) porównano 5696 przebarwień – niekoniecznie podejrzanych – u 66 pacjentów. Wśród nich było 18 przebarwień spowodowanych rozwojem nowotworu. Testowano skuteczność dwóch algorytmów. Jeden z nich był nowym zaawansowanym programem, drugi zaś to starszy algorytm ISIC (International Skin Imaging Collaboration), używany od pewnego czasu do badań retrospektywnych.
W scenariuszu A nowy algorytm stawiał diagnozę równie dobrze jak eksperci i był wyraźnie lepszy od mniej doświadczonych lekarzy. Z kolei algorytm ISIC był znacząco gorszy od ekspertów, ale lepszy od niedoświadczonych lekarzy.
Jeśli zaś chodzi o zalecenia odnośnie leczenia, nowoczesny algorytm sprawował się gorzej niż eksperci, ale lepiej niż niedoświadczeni lekarze. Aplikacja ma tendencję do usuwania łagodnych zmian skórnych z zaleceń leczenia, mówi Kittler.
Algorytmy sztucznej inteligencji są więc już na tyle rozwinięte, że mogą służyć pomocą w diagnozowaniu nowotworów skóry, a szczególnie cenne będą tam, gdzie brak jest dostępu do doświadczonych lekarzy. Ze szczegółami badań można zapoznać się na łamach The Lancet.
« powrót do artykułu
-
-
Ostatnio przeglądający 0 użytkowników
Brak zarejestrowanych użytkowników przeglądających tę stronę.