Zaloguj się, aby obserwować tę zawartość
Obserwujący
0
Badacz ewolucji człowieka, Svante Pääbo, laureatem Nagrody Nobla w dziedzinie fizjologii lub medycyny
dodany przez
KopalniaWiedzy.pl, w Medycyna
-
Podobna zawartość
-
przez KopalniaWiedzy.pl
Tegoroczną Nagrodę Nobla w dziedzinie fizjologii lub medycyny otrzymali Katalin Karikó i Drew Weissmann za odkrycia, które umożliwiły opracowanie efektywnych szczepionek mRNA przeciwko COVID-19. W uzasadnieniu przyznania nagrody czytamy, że prace Karikó i Wiessmanna w olbrzymim stopniu zmieniły rozumienie, w jaki sposób mRNA wchodzi w interakcje na naszym układem odpornościowym". Tym samym laureaci przyczynili się do bezprecedensowo szybkiego tempa rozwoju szczepionek, w czasie trwania jednego z największych zagrożeń dla ludzkiego życia w czasach współczesnych.
Już w latach 80. opracowano metodę wytwarzania mRNA w kulturach komórkowych. Jednak nie potrafiono wykorzystać takiego mRNA w celach terapeutycznych. Było ono nie tylko niestabilne i nie wiedziano, w jaki sposób dostarczyć je do organizmu biorcy, ale również zwiększało ono stan zapalny. Węgierska biochemik, Katalin Karikó, pracowała nad użyciem mRNA w celach terapeutycznych już od początku lat 90, gdy była profesorem na University of Pennsylvania. Tam poznała immunologa Drew Weissmana, którego interesowały komórki dendrytyczne i ich rola w układzie odpornościowym.
Efektem współpracy obojga naukowców było spostrzeżenie, że komórki dendrytyczne rozpoznają uzyskane in vitro mRNA jako obcą substancję, co prowadzi co ich aktywowania i unicestwienia mRNA. Uczeni zaczęli zastanawiać się, dlaczego do takie aktywacji prowadzi mRNA transkrybowane in vitro, ale już nie mRNA z komórek ssaków. Uznali, że pomiędzy oboma typami mRNA muszą istnieć jakieś ważne różnice, na które reagują komórki dendrytyczne. Naukowcy wiedzieli, że RNA w komórkach ssaków jest często zmieniane chemicznie, podczas gdy proces taki nie zachodzi podczas transkrypcji in vitro. Zaczęli więc tworzyć różne odmiany mRNA i sprawdzali, jak reagują nań komórki dendrytyczne.
W końcu udało się stworzyć takie cząsteczki mRNA, które były stabilne, a po wprowadzeniu do organizmu nie wywoływały reakcji zapalnej. Przełomowa praca na ten temat ukazała się w 2005 roku. Później Karikó i Weissmann opublikowali w 2008 i 2010 roku wyniki swoich kolejnych badań, w których wykazali, że odpowiednio zmodyfikowane mRNA znacząco zwiększa produkcję protein. W ten sposób wyeliminowali główne przeszkody, które uniemożliwiały wykorzystanie mRNA w praktyce klinicznej.
Dzięki temu mRNA zainteresowały się firmy farmaceutyczne, które zaczęły pracować nad użyciem mRNA w szczepionkach przeciwko wirusom Zika i MERS-CoV. Gdy więc wybuchła pandemia COVID-19 możliwe stało się, dzięki odkryciom Karikó i Weissmanna, oraz trwającym od lat pracom, rekordowo szybkie stworzenie szczepionek.
Dzięki temu odkryciu udało się skrócić proces, dzięki czemu szczepionkę podajemy tylko jako stosunkowo krótką cząsteczkę mRNA i cały trik polegał na tym, aby ta cząsteczka była cząsteczką stabilną. Normalnie mRNA jest cząsteczką dość niestabilną i trudno byłoby wyprodukować na ich podstawie taką ilość białka, która zdążyłaby wywołać reakcję immunologiczną w organizmie. Ta Nagroda Nobla jest m.in. za to, że udało się te cząsteczki mRNA ustabilizować, podać do organizmu i wywołują one odpowiedź immunologiczną, uodparniają nas na na wirusa, być może w przyszłości bakterie, mogą mieć zastosowanie w leczeniu nowotworów, powiedziała Rzeczpospolitej profesor Katarzyna Tońska z Uniwersytetu Warszawskiego.
Myślę, że przed nami jest drukowanie szczepionek, czyli dosłownie przesyłanie sekwencji z jakiegoś ośrodka, który na bieżąco śledzi zagrożenia i na całym świecie produkcja już tego samego dnia i w ciągu kilku dni czy tygodni gotowe preparaty dla wszystkich. To jest przełom. Chcę podkreślić, że odkrycie noblistów zeszło się z możliwości technologicznymi pozwalającymi mRNA sekwencjonować szybko, tanio i dobrze. Bez tego odkrycie byłoby zawieszone w próżni, dodał profesor Rafał Płoski z Warszawskiego Uniwersytetu Medycznego.
« powrót do artykułu -
przez KopalniaWiedzy.pl
W Journal of Medical Internet Research ukazał się opis eksperymentu, w ramach którego ChatGPT miał stawiać diagnozy medyczne i proponować dalsze działania na podstawie opisanych objawów. Algorytm poradził sobie naprawdę nieźle. Udzielił prawidłowych odpowiedzi w 71,7% przypadków. Najlepiej wypadł przy ostatecznych diagnozach, gdzie trafność wyniosła 76,9%, najgorzej poradził sobie z diagnozą różnicową. Tutaj jego trafność spadła do 60,3%.
Autorzy eksperymentu wykorzystali 36 fikcyjnych przypadków klinicznych opisanych w Merck Manual. Przypadki te są wykorzystywane podczas szkoleń lekarzy i innego personelu medycznego. Naukowcy z Harvard Medical School, Brigham and Women'a Hospital oraz Mass General Brigham wprowadzili do ChataGPT opisy tych przypadków, a następnie zadawali maszynie pytanie, dołączone w podręczniku do każdego z przypadków. Wykluczyli z badań pytania dotyczące analizy obrazów, gdyż ChatGPT bazuje na tekście.
Najpierw sztuczna inteligencja miała za zadanie wymienić wszystkie możliwe diagnozy, jakie można postawić na podstawie każdego z opisów. Następnie poproszono ją, by stwierdziła, jaki dodatkowe badania należy przeprowadzić, później zaś ChatGPT miał postawić ostateczną diagnozę. Na koniec zadaniem komputera było opisanie metod leczenia.
Średnia trafność odpowiedzi wynosiła 72%, jednak różniła się w zależności od zadania. Sztuczna inteligencja najlepiej wypadła podczas podawania ostatecznej diagnozy, którą stawiała na podstawie początkowego opisu przypadku oraz wyników dodatkowych badań. Trafność odpowiedzi wyniosła tutaj 76,9%. Podobnie, bo z 76-procentową trafnością, ChatGPT podawał dodatkowe informacje medyczne na temat każdego z przypadków. W zadaniach dotyczących zlecenia dodatkowych badań oraz metod leczenia czy opieki, trafność spadała do 69%. Najgorzej maszyna wypadła w diagnozie różnicowej (60,3% trafnych odpowiedzi). Autorzy badań mówią, że nie są tym zaskoczeni, gdyż diagnoza różnicowa jest bardzo trudnym zadaniem. O nią tak naprawdę chodzi podczas nauki w akademiach medycznych i podczas rezydentury, by na podstawie niewielkiej ilości informacji dokonać dobrego rozróżnienia i postawić diagnozę, mówi Marc Succi z Harvard Medical School.
Być może w przyszłości podobne programy będą pomagały lekarzom. Zapewne nie będzie to ChatGPT, ale rozwijane już systemy wyspecjalizowane właśnie w kwestiach medycznych. Zanim jednak trafią do służby zdrowia powinny przejść standardowe procedury dopuszczenia do użytku, w tym testy kliniczne. Przed nimi zatem jeszcze długa droga.
Autorzy opisanych badań przyznają, że miały one ograniczenia. Jednym z nich było wykorzystanie fikcyjnych opisów przypadków, a nie rzeczywistych. Innym, niewielka próbka na której testowano ChatGPT. Kolejnym zaś ograniczeniem jest brak informacji o sposobie działania i treningu ChataGPT.
« powrót do artykułu -
przez KopalniaWiedzy.pl
Niewielkie roboty, które pędzą przez płyn z niewiarygodna prędkością, mogą pewnego dnia posłużyć do naprawy ludzkiego ciała od wewnątrz. Wyobraźmy sobie roboty, które będą mogły przeprowadzać zabiegi chirurgiczne. Zamiast kroić pacjenta, będziemy mogli podać mu roboty w formie pigułki lub zastrzyku, a one przeprowadzą zabieg, mówi doktor Jin Lee z Wydziału Inżynierii Biologicznej i Chemicznej University of Colorado w Boulder. Taka wizja to obecnie odległa przyszłość, ale same roboty już powstały.
Lee i jego zespół stworzyli urządzenia o średnicy 20 mikrometrów. To około 3-krotnie mniej niż średnica ludzkiego włosa. Roboty poruszają się w płynie w prędkością 3 mm/s zatem w ciągu minuty przebywają odległość 9000 razy większą niż ich własna długość. Przeciętny samochód osobowy, żeby poszczycić się takim osiągami, musiałby poruszać się z prędkością ok. 2400 km/h.
Jednak zalety mikrorobotów nie ograniczają się do szybkiego przemieszczania się. Podczas eksperymentów naukowcy wykorzystali je do dostarczenia deksametazonu do pęcherza myszy. To wskazuje, że można by je wykorzystać do leczenia chorób pęcherza i innych schorzeń u ludzi.
Mikroroboty zostały wykonane z biokompatybilnych polimerów metodą podobną do druku 3D. Przypominają niewielką rakietę z przyczepionymi trzema łopatami. W każdym z nich uwięziono pęcherzyk powietrza. Gdy taki robot zostanie wystawiony na działanie fal akustycznych – w eksperymentach wykorzystano ultradźwięki – pęcherzyk zaczyna wibrować, odpycha płyn i robot się porusza.
Naukowcy postanowili przetestować swoje urządzenie na mysim modelu śródmiąższowego zapalenia pęcherza moczowego. To bolesna choroba powodująca silny ból w miednicy. Jej leczenie jest niekomfortowe. Pacjenci muszą zgłaszać się do lekarza, gdzie za pośrednictwem cewnika do pęcherza wprowadzany jest deksametazon. Naukowcy stworzyli mikroroboty zawierające ten lek, a następnie wprowadzili urządzenia do pęcherza myszy. Roboty rozprzestrzeniły się po organizmie, a następnie przylgnęły do ścian pęcherza, gdzie przez dwa dni powoli uwalniały środek leczniczy. Dzięki temu można było w dłuższym czasie podczas więcej lekarstwa, poprawiając stan pacjenta.
Twórcy robotów zastrzegają, że zanim trafią one do ludzkiego organizmu, muszą zostać jeszcze udoskonalone. Pierwszym celem jest uczynienie urządzeń w pełni biodegradowalnymi, by całkowicie rozpuszczały się w organizmie po zrealizowaniu zadania.
« powrót do artykułu -
przez KopalniaWiedzy.pl
Sztuczna inteligencja lepiej niż technik-elektroradiolog ocenia i diagnozuje funkcjonowanie serca na podstawie badań ultrasonograficznych, wynika z badań przeprowadzonych przez naukowców z Cedars-Sinai Medical Center. Randomizowane testy prowadzili specjaliści ze Smidt Heart Institute i Division of Articifial Intelligence in Medicine.
Uzyskane wyniki będą miały natychmiastowy wpływ na obrazowanie funkcji serca oraz szerszy wpływ na całe pole badań obrazowych serca, mówi główny autor badań, kardiolog David Ouyang. Pokazują bowiem, że wykorzystanie sztucznej inteligencji na tym polu poprawi jakość i efektywność obrazowania echokardiograficznego.
W 2020 roku eksperci ze Smidt Heart Institute i Uniwersytetu Stanforda stworzyli jeden z pierwszych systemów sztucznej inteligencji wyspecjalizowany w ocenie pracy serca, a w szczególności w ocenie frakcji wyrzutowej lewej komory. To kluczowy parametr służący ocenie pracy mięśnia sercowego. Teraz, bazując na swoich wcześniejszych badaniach, przeprowadzili eksperymenty, w ramach których wykorzystali opisy 3495 echokardiografii przezklatkowych. Część badań została opisana przez techników, część przez sztuczną inteligencję. Wyniki badań wraz z ich opisami otrzymali kardiolodzy, którzy mieli poddać je ocenie.
Okazało się, że kardiolodzy częściej zgadzali się z opisem wykonanym przez sztuczną inteligencję niż przez człowieka. W przypadku SI poprawy wymagało 16,8% opisów, natomiast kardiolodzy wprowadzili poprawki do 27,2% opisów wykonanych przez techników. Lekarze nie byli też w stanie stwierdzić, które opisy zostały wykonane przez techników, a które przez sztuczą inteligencję. Badania wykazały również, że wykorzystanie AI zaoszczędza czas zarówno kardiologów, jak i techników.
Poprosiliśmy naszych kardiologów, by powiedzieli, które z opisów wykonała sztuczna inteligencja, a które technicy. Okazało się, że lekarze nie są w stanie zauważyć różnicy. To pokazuje, jak dobrze radzi sobie sztuczna inteligencja i że można ją bezproblemowo wdrożyć do praktyki klinicznej. Uważamy to za dobry prognostyk dla dalszych testów na wykorzystaniem SI na tym polu, mówi Ouyang.
Badacze uważają, że wykorzystanie AI pozwoli na szybszą i sprawniejszą diagnostykę. Oczywiście o ostatecznym opisie badań obrazowych nie będzie decydował algorytm, a kardiolog. Tego typu badania, kolejne testy i artykuły naukowe powinny przyczynić się do szerszego dopuszczenia systemów AI do pracy w opiece zdrowotnej.
« powrót do artykułu -
przez KopalniaWiedzy.pl
Królewska Szwedzka Akademia Nauk ogłosiła, że tegoroczna Nagroda Nobla z fizyki została przyznana za wkład w zrozumienie złożonych systemów fizycznych. Połową nagrody podzielą się Syukuro Manabe i Klaus Hasselmann za fizyczne modelowanie klimatu Ziemi, obliczenie jego zmienności i wiarygodne przewidzenie procesu ocieplania się. Druga połowa trafi do Giorgio Parisiego za odkrycie współzależności nieuporządkowania i fluktuacji w systemach fizycznych, od skali atomowej po planetarną.
Wszyscy trzej laureaci specjalizują się badaniu chaotycznych i pozornie przypadkowych wydarzeń. Manabe i Hasselmann położyli wielkie zasługi dla lepszego zrozumienia klimatu naszej planety i wpływu nań człowieka. Z kolei Parisi zrewolucjonizował naszą wiedzę o materiałach nieuporządkowanych i procesach losowych.
Syukuro Manabe wykazał, w jaki sposób zwiększona koncentracja dwutlenku węgla w atmosferze prowadzi do zwiększenia temperatury na powierzchni Ziemi. Już w latach 60. ubiegłego wieku pracował nad rozwojem fizycznych modeli ziemskiego klimatu. Był pierwszym naukowcem, który badał związek pomiędzy bilansem radiacyjnym Ziemi a pionowym ruchem mas powietrza wywołanym konwekcją.
Żeby poradzić sobie z tak skomplikowanym zadaniem obliczeniowym, stworzył uproszczony model, który opisywał pionową kolumnę powietrza o wysokości 40 kilometrów i za jego pomocą testował różny skład atmosfery. Po setkach godzin obliczeń i symulacji wykazał, że poziom tlenu i azotu mają pomijalny wpływ, a o temperaturze decyduje dwutlenek węgla. Uczony wykazał, że przy dwukrotnym wzroście stężenia CO2, temperatura na powierzchni rośnie o ponad 2 stopnie Celsjusza. Jego model potwierdził, że wzrost temperatury na powierzchni Ziemi rzeczywiście jest zależny od koncentracji CO2, gdyż przewidywał wzrost temperatury przy powierzchni i jednoczesne ochładzanie się wyższych partii atmosfery. Gdyby za wzrost temperatury odpowiadały zmiany w promieniowaniu słonecznym, to cała atmosfera powinna się ogrzewać w tym samym czasie.
Swój uproszczony, dwuwymiarowy model, zapoczątkowany w latach 60., rozbudował, gdy wzrosły możliwości obliczeniowe komputerów i mógł do niego dodawać kolejne elementy. W roku 1975 Manabe przedstawił trójwymiarowy model klimatyczny. Był on kolejnym krokiem milowym ku lepszemu zrozumieniu klimatu. Prace Manabe stanowią fundament dla współczesnych modeli.
Około 10 lat po przełomowych pracach Manabe Klaus Hasselmann stworzył model fizyczny, w którym połączył pogodę i klimat. Odpowiedział w ten sposób na niezwykle ważne pytanie, dlaczego modele klimatyczne mogą być wiarygodne, pomimo tego, że sama pogoda jest zmienna i chaotyczna. Hasselmann stworzył też metody pozwalające na zidentyfikowanie sygnałów, świadczących o wpływie na klimat zarówno procesów naturalnych, jak i działalności człowieka. To dzięki nim jesteśmy w stanie udowodnić, że zwiększone temperatury na powierzchni Ziemi są spowodowane antropogeniczną emisją dwutlenku węgla.
W latach 50. Hasselmann był doktorantem fizyki w Hamburgu, gdzie zajmował się dynamiką płynów i rozwijał modele opisujące fale i prądy oceaniczne. Przeprowadził się do Kalifornii i nadal zajmował się oceanografią. Poznał tam m.in. słynnego Charlesa Keelinga, autora najdłuższej serii pomiarów stężenia CO2 w atmosferze. Jednak wówczas nie przypuszczał jeszcze, że w swoich badaniach będzie regularnie wykorzystywał krzywą Keelinga.
Hasselmann wiedział, że stworzenie modelu klimatycznego z chaotycznych danych pogodowych będzie niezwykle trudne. A zadania nie ułatwia fakt, że zjawiska wpływające na klimat są niezwykle zmienne w czasie. Mogą być to zjawiska gwałtowne i szybko się zmieniające, jak siła wiatru i temperatura powietrza, ale również bardzo powolne, jak topnienie lodowców czy ogrzewanie się oceanów. Wystarczy wziąć pod uwagę fakt, że równomierne zwiększenie temperatury o 1 stopień Celsjusza może trwać w przypadku atmosfery kilka tygodni, ale w przypadku oceanów mogą minąć setki lat. Prawdziwym wyzwaniem było uwzględnienie tych szybkich chaotycznych zmian pogodowych w obliczeniach dotyczących klimatu i wykazaniu, w jaki sposób wpływają one na klimat. Hasselmann stworzył stochastyczny model klimatyczny, do którego zainspirowały go prace Einsteina nad ruchami Browna.
A gdy już ukończył model zmienności klimatu i wpływu nań pogody, stworzył modele opisujące wpływ człowieka na cały system. Pozwalają one odróżnić np. wpływ zmian promieniowania słonecznego od wpływu gazów emitowanych przez wulkany, a te od wpływu gazów emitowanych przez człowieka.
Około 1980 roku Giorgio Parisi, ostatni z tegorocznych laureatów, znalazł ukryte wzorce w nieuporządkowanych złożonych materiałach. To jedno z najważniejszych osiągnięć teorii złożonych systemów. Dzięki niemu jesteśmy w stanie lepiej rozumieć i badać wiele pozornie losowych zjawisk i nieuporządkowanych materiałów. Odkrycie to ma znaczenie nie tylko fizyce. Ma olbrzymie znaczenie dla matematyki, biologii, neurologii czy maszynowego uczenia się.
Parisi rozpoczął swoje przełomowe prace od badań szkła spinowego. To materiał magnetyczny, który wykazuje lokalne uporządkowanie spinów, czyli momentów magnetycznych, ale nie posiadający wypadkowego momentu magnetycznego. Szkło spinowe to stop metalu, w którym mamy np. atomy żelaza są losowo rozmieszczone wśród atomów miedzi. Jednak mimo że w stopie znajduje się niewiele atomów żelaza, to radykalnie zmieniają one właściwości magnetyczne całego materiału. Zachowują się jak małe magnesy, na które wpływają sąsiadujące atomy. W standardowym magnesie wszystkie spiny mają ten sam kierunek.
Jenak w szkle spinowym niektóre pary usiłują wskazywać w jednym kierunku, a inne w innym. Parisi chciał dowiedzieć się, jak wybierają one optymalną orientację. Problemem tym zajmowało się wielu wybitnych uczonych, w tym laureaci Nagrody Nobla. Jednym ze sposobów na znalezienie odpowiedzi było wykorzystanie tzw. replica trick, matematycznej metody, w której wiele kopii tego samego systemu było przetwarzanych jednocześnie. Jednak w fizyce się to nie sprawdzało.
W 1979 roku Parisi dokonał przełomowego odkrycia na tym polu. Wykazał, że w kopiach istnieją ukryte struktury i opisał je matematycznie. Minęło wiele lat, zanim udowodniono, że rozwiązanie Parisiego jest prawidłowe. Od tamtej jednak pory jego metoda jest używana do badania systemów nieuporządkowanych.
Syukuro Manabe urodził się w Japonii w 1931 roku. Jest pionierem w wykorzystaniu komputerów do symulowania klimatu. Pracę doktorską obronił na Uniwersytecie Tokijskim w 1958 roku, następnie wyjechał do USA, gdzie pracował w US Weather Bureau, NOAA (Narodowa Administracja Oceaniczna i Atmosferyczna) i Princeton University. Jest obecnie starszym meteorologiem na Princeton University. Jest również członkiem Akademii Nauk USA, zagranicznym członkiem Akademii Japońskiej, Academia Europaea i Royal Society of Canada, laureatem licznych nagród naukowych.
Klaus Hasselmann, urodzony w Hamburgu w 1931 roku, to czołowy niemiecki oceanograf i specjalista od modelowania klimatu. Jest twórcą modelu zmienności klimatycznej nazwanego modelem Hasselmanna. Życie zawodowe związał głównie z Uniwersytetem w Hamburgu, pracował też na Uniwersytecie w Getyndzie i w Instytucie Dynamiki Cieczy im. Maxa Plancka. Był dyrektorem-założycielem Instytutu Meteorologii im. Maxa Plancka oraz dyrektorem naukowym w Niemieckim Centrum Obliczeń Klimatycznych. Obecnie zaś jest wiceprzewodniczącym Europejskiego forum Klimatycznego, które założył w 2001 roku wraz z prof. Carlo Jaegerem. Za swoją pracę naukową otrzymał m.in. nagrodę od Europejskiego Towarzystwa Geofizycznego i amerykańskich oraz brytyjskich towarzystw Meteorologicznych.
Giorgio Parisi urodził się w 1948 roku. Jest fizykiem teoretycznym, a jego zainteresowania koncentrują się na mechanice statystycznej, kwantowej teorii pola i systemach złożonych. Pracował w Laboratori Nazionali di Frascati, na Columbia University, Institut des Hautes Études Scientifiques oraz École normale supérieure i Uniwersytecie Rzymskim Tor Vergata. Jest też prezydentem jednej z najstarszych i najbardziej prestiżowych europejskich instytucji naukowych Accademia dei Lincei oraz członkiem Francuskiej Akademii Nauk, amerykańskiej Akademii Nauk czy Amerykańskiego Towarzystwa Filozoficznego. Parisi to laureat wielu nagród w tym Nagrody Enrico Fermiego czy Medalu Maxa Plancka.
« powrót do artykułu
-
-
Ostatnio przeglądający 0 użytkowników
Brak zarejestrowanych użytkowników przeglądających tę stronę.