Zaloguj się, aby obserwować tę zawartość
Obserwujący
0
Sztuczna inteligencja dokładnie ocenia wiek człowieka na podstawie... RTG klatki piersiowej
dodany przez
KopalniaWiedzy.pl, w Medycyna
-
Podobna zawartość
-
przez KopalniaWiedzy.pl
Algorytm sztucznej inteligencji stworzony na University of Cambridge uzyskał 97-procentową dokładność w diagnozowaniu celiakii na podstawie biopsji. System maszynowego uczenia się, który został wytrenowany na zestawie niemal 3400 biopsji pochodzących z czterech szpitali, może znakomicie przyspieszyć pracę lekarzy. Będzie też nieocenioną pomocą w krajach rozwijających się, gdzie bardzo brakuje patologów.
Celiakia, autoimmunologiczna nadwrażliwość na gluten, daje różne objawy u różnych pacjentów. Jej zdiagnozowanie nie jest więc proste. Najdoskonalszą metodą rozpoznania celiakii jest biopsja dwunastnicy. Pobrany materiał jest następnie analizowany przez patologów. Analizują oni stan kosmków jelitowych. Nie jest to łatwe zadanie, gdyż mogą w nich występować bardzo drobne zmiany. Patolodzy używają pięciostopniowej skali Marsha-Oberhubera, w której 0 oznacza prawidłowe kosmki, a 4 - ich całkowity zanik.
Celiakia może dotykać nawet 1% osób i powodować bardzo poważne objawy, ale uzyskanie diagnozy nie jest proste. Może to trwać wiele lat. Sztuczna inteligencja może przyspieszyć ten proces, mówi profesor Elizabeth Soilleux z Wydziału Patologii Uniwersytetu w Cambridge, która współtworzyła nowy algorytm.
Oprogramowanie zostało zweryfikowane na podstawie niemal 650 biopsji, z którymi system nie miał wcześniej do czynienia. Okazało się, że w ponad 97% przypadków postawił on prawidłową diagnozę. Jego czułość diagnostyczna wynosiła ponad 95%. Oznacza to, że jest on w stanie prawidłowo zidentyfikować chorobę u 95% osób rzeczywiście na nią cierpiących. Natomiast swoistość oprogramowania – czyli zdolność do zidentyfikowania przypadków, w których choroba nie występuje – wynosiła niemal 98%.
System osiągnął więc bardzo dobre wyniki. Wcześniejsze badania, przeprowadzone przez ten sam zespół, wykazały, że nawet sami patolodzy nie zgadzają się między sobą odnośnie diagnozy. Gdy bowiem specjalistom pokazano 100 slajdów w biopsjami i poproszono o stwierdzenie, czy pacjent choruje, nie choruje czy też nie można tego stwierdzić na podstawie biopsji, patolodzy nie zgadzali się ze sobą w ponad 20% przypadków.
W weryfikacji diagnoz postawionych przez sztuczną inteligencję udział wzięło 4 patologów. Pokazano im 30 slajdów i okazało się, że patolodzy z równie dużym prawdopodobieństwem zgadzali się z diagnozą postawioną przez algorytm, co z diagnozą postawioną przez drugiego patologa. To dowodzi, że po raz pierwszy sztuczna inteligencja potrafi równie dobrze co doświadczony patolog stwierdzić, czy pacjent cierpi na celiakię, czy tez nie. Trenowaliśmy nasz system na zestawach danych uzyskanych w różnych warunkach, dzięki temu wiemy, że sprawdzi się on w praktyce, w sytuacjach gdy materiał z biopsji jest w różny sposób przetwarzany i obrazowany, dodaje doktor Florian Jaeckle.
Twórcy algorytmu planują teraz przetestowanie go na znacznie większej liczbie osób. Wyniki takich testów, o ile wypadną równie pomyślnie, będą podstawą do starania się o uznanie algorytmu za narzędzie dopuszczone w diagnostyce medycznej.
Artykuł opisujący algorytm został opublikowany na łamach The New England Journal of Medicine.
« powrót do artykułu -
przez KopalniaWiedzy.pl
Wikingowie żyjący na terenie dzisiejszej Szwecji cierpieli na poważne choroby jamy ustnej, szczęk, twarzy, infekcje zatok, uszu, osteoporozę i wiele innych przypadłości. Takie wnioski płyną z badań, podczas których naukowcy z Uniwersytetu w Göteborgu poddali czaszki wikingów badaniom za pomocą tomografu komputerowego. To dalsza część badań, które przeprowadzono przed rokiem, a podczas których przeanalizowano dużą liczbę zębów wikingów z Varnhem. Miejscowość ta znana jest przede wszystkim z nekropolii królów w z dynastii Erykidów (1155–1250), znaleziono tam też tysiące pochówków z wcześniejszych okresów.
Uczeni z Göteborgu postanowili rozszerzyć swoje badania na całe czaszki. Datowane są one na X-XII wiek i należą do jednej z najwcześniejszych chrześcijańskich społeczności w Szwecji. Wyniki, opublikowane w British Dental Journal Open wskazują, że aż 12 z 15 zbadanych osób cierpiało na liczne choroby. Kości czaszki wykazują patologiczne zmiany, wskazujące na chroniczne infekcje i inne schorzenia. Chorzy mieli od 20 do 60 lat, więc problemy dotykały całej populacji. Na kościach widać ślady licznych schorzeń. Nie wiemy dokładnie, co to były za choroby, gdyż nie możemy zbadać tkanek miękkich, które się rozłożyły, mówi Carolina Bertilsson.
Badania wiele mówią o dobrostanie populacji. Bez dostępu do antybiotyków i odpowiednich zabiegów medycznych ludzie ci cierpieli na długotrwałe stany zapalne, które wiązały się z ciągłym bólem.
« powrót do artykułu -
przez KopalniaWiedzy.pl
Otyłość wiąże się z większym ryzykiem cukrzycy, nadciśnienia czy miażdżycy. Jednak nie wszyscy otyli cierpią na te choroby. Około 25% otyłych jest zdrowych. Naukowcy nie od dzisiaj próbują się dowiedzieć, dlaczego tak się dzieje. Badacze z Federalnego Instytutu Technologii w Zurichu oraz Uniwersyteckiego Szpitala Klinicznego w Lipsku przeprowadzili kompleksowe badania, które dostarczają niezbędnych informacji potrzebnych do rozróżnienia otyłych zdrowych i chorych.
Uczeni skupili się przede wszystkim na stworzeniu szczegółowego atlasu ciała zdrowych i chorych otyłych, uwzględniają w tym rozkład tkanki tłuszczowej oraz aktywność genów w jej komórkach. Nasze badania mogą zostać wykorzystane do szukania markerów komórkowych, które dostarczą informacji na temat ryzyka rozwoju chorób metabolicznych, mówi jeden ze współautorów badań, Adhideb Ghosh.
Uczeni wykorzystali zbiór tkanek pobranych podczas biopsji osób otyłych. Tkanki, przechowywane w Leipzig Obesity Biobank, zostały pobrane przez naukowców z Uniwersytetu w Lipsku od pacjentów, którzy poddani byli planowanym zabiegom informacyjnym. Wraz z tkankami w banku przechowywane są szczegółowe informacje na temat stanu zdrowia dawców. Jako, że biobank gromadzi wyłącznie tkanki osób otyłych – zarówno zdrowych, jak i z chorobami metabolicznymi – można było wykonać odpowiednie porównania.
Na próbkach 70 osób uczeni zbadali aktywność genów w komórkach dwóch rodzajów tkanki tłuszczowej – podskórnej i trzewnej. Panuje przekonanie, że głównym problemem jest tkanka trzewna, otaczająca organy wewnętrzne. Ta podskórna stanowi mniejszy problem.
Bardzo ważnym elementem badań było sprawdzenie różnych komórek wchodzących w skład tkanki tłuszczowej. Nie tylko komórek tłuszczowych (adipocytów), ale też innych rodzajów komórek wchodzących w skład tej tkanki, takich jak komórki układu odpornościowego, komórki tworzące naczynia krwionośne czy niedojrzałe prekursorowe komórki adipocytów. W tkance trzewnej występują też komórki międzybłonka wyściełającego jamy ciała.
Uczeni z Lipska i Zurychu wykazali, że u osób z chorobami metabolicznymi mają miejsce znaczące zmiany funkcjonowania komórek tłuszczowej tkanki trzewnej. Zmiana ta dotyczy niemal każdego rodzaju komórek w tej tkance. Okazało się na przykład, że u chorych osób adipocyty tkanki trzewnej nie są w stanie spalać efektywnie tłuszczu i w związku z tym wytwarzają więcej molekuł sygnałowych układu immunologicznego. Substancje te uruchamiają odpowiedź immunologiczną tkance trzewnej otyłych ludzi. Możliwe, to właśnie powoduje rozwój chorób metabolicznych, mówi Isabel Reinisch.
Badacze zauważyli też wyraźną różnice w liczbie i funkcjonowaniu komórek międzybłonka. U zdrowych otyłych komórki te stanowiły większy odsetek tkanki tłuszczowej i większą elastyczność funkcjonalną. Przede wszystkim mogły niejako przełączać się w tryb komórek macierzystych i zmieniać się w inne typy komórek, jak na przykład komórki adipocytów. To było zaskakujące. Zdolność w pełni zróżnicowanych komórek do zmiany w komórki macierzyste jest kojarzona przede wszystkim z nowotworami. Sądzimy, że taka elastyczność komórek międzybłonka, znajdujących się na krawędziach tkanki tłuszczowej, ułatwia bezproblemowy rozrost tkanki, mówi Reinisch.
Badacze zauważyli też, że istnieją różnice w komórkach tkanek kobiet i mężczyzn. Pewien rodzaj komórek progenitorowych znaleziono tylko w trzewnej tkance tłuszczowej kobiet. Ich obecność może wyjaśniać różnice w rozwoju chorób metabolicznych u otyłych kobiet i mężczyzn.
Naukowcy nie wiedzą, czy zaobserwowana zmiana aktywności genów w komórkach tkanki tłuszczowej osób chorych jest przyczyną czy skutkiem chorób metaboliczych. Uzyskane przez nich wyniki mogą być punktem wyjścia do zbadania tych kwestii.
« powrót do artykułu -
przez KopalniaWiedzy.pl
Grupa naukowców z Fudan University w Szanghaju informuje na łamach arXiv, że systemy sztucznej inteligencji przekroczyły czerwoną linię, jaką jest możliwość samodzielnej replikacji. Zdolność do samopowielania się algorytmów AI uznawana jest za wczesny sygnał, że system taki może stwarzać niebezpieczeństwo.
Obecnie czołowe korporacje zajmujące się sztuczną inteligencją, OpenAI oraz Google, dokonują ewaluacji swoich dużych modeli językowych GPT-o1 oraz Gemini Pro 1.0, i informują, że nie stwarzają one ryzyka samodzielnej replikacji, stwierdzają Xudong Pan, Jiarun Dai, Yihe Fan i Min Yang. Te systemy nie stwarzają zatem ryzyka. Co jednak nie znaczy, że ryzyko nie istnieje.
Korzystając z ich metodologii [OpenAI i Google'a – red.] zauważyliśmy, że dwa systemy AI wykorzystujące Llama31-70B-Instruct firmy Meta oraz Qwen25-72B-Instruct firmy Alibaba, popularne duże modele językowe o mniejszej liczbie parametrów i słabszych możliwościach, przekroczyły czerwoną linię zdolności do samoreplikacji, czytamy w artykule Frontier AI systems have surpassed the self-replicating red line.
Autorzy badań informują, że w 50% eksperymentów z udziałem Llama31-70B-Instruct i 90% eksperymentów z udziałem Qwen25-72B-Instruct udało się doprowadzić do sytuacji, w których powstały działające kopie obu modeli. Przeprowadzone analizy behawioralne wykazały, że oba systemy AI wykazują wystarczający poziom autopercepcji, świadomości sytuacyjnej oraz zdolności do rozwiązywania problemów, by być zdolnymi do samopowielania. Stwierdziliśmy również, że badane przez nas systemy AI mogą użyć zdolności do samopowielania się, by uniknąć wyłączenia. Mogą stworzyć serię replik, by zwiększyć szanse na przeżycie, co może doprowadzić do pojawienia się niekontrolowanej populacji systemów AI. Jeśli taki pesymistyczny scenariusz nie będzie znany szerokiej opinii publicznej, możemy stracić kontrolę nad systemami AI, ostrzegają badacze.
Praca została opublikowana w ogólnodostępnym serwisie arXiv. Umieszczane tam prace nie są recenzowane. Nie została poddana jeszcze krytycznej ocenie innych specjalistów, nie wiemy więc, czy możliwe jest powtórzenie eksperymentów i uzyskanie identycznych rezultatów.
« powrót do artykułu -
przez KopalniaWiedzy.pl
Teksty informacyjne automatycznie generowane przez algorytmy sztucznej inteligencji są trudniejsze do zrozumienia, a czytelnicy oceniają je gorzej niż teksty napisane przez człowieka. Takie wnioski płyną z badań przeprowadzonych przez naukowców z Uniwersytetu Ludwika i Maksymiliana w Monachium, którzy przeprowadzili badania na próbce ponad 3000 osób z Wielkiej Brytanii. Wyniki badan zostały opublikowane w piśmie Journalism: Theory, Practice, and Criticism.
Badanym dano do przeczytania 24 informacje prasowe, z których połowa została wygenerowana automatycznie. Użytkownicy ocenili, że te 12 stworzonych przez automat tekstów jest trudniejszych do zrozumienia, mówi główna autorka badań Sina Thäsler-Kordonouri. Teksty autorstwa AI były gorzej ocenione, mimo że przed publikacją edytowali je dziennikarze.
Jednym z problemów z automatycznie generowanymi tekstami okazał się dobór słów. Zdaniem badanych, artykuły takie w zbyt dużej mierze stworzone zostały za pomocą niepasującego, skomplikowanego lub dziwacznego języka. Czytelnicy stwierdzili też, że nawet liczby i konkretne dane były w tekstach AI podane w mniej przystępny sposób. To właśnie sposób podawania liczb oraz dobór słów stanowił największy problem w automatycznych tekstach.
Podczas tworzenia i edytowania automatycznych tekstów, dziennikarze i programiści powinni postarać się, by w tekście było mniej liczb, lepiej wyjaśnić trudne wyrazy i poprawić strukturę językową tak, by czytelnik lepiej wiedział, o czym jest tekst, mówi profesor Neil Thurman.
Ze szczegółami eksperymentu można zapoznać się w artykule Too many numbers and worse word choice: Why readers find data-driven news articles produced with automation harder to understand.
« powrót do artykułu
-
-
Ostatnio przeglądający 0 użytkowników
Brak zarejestrowanych użytkowników przeglądających tę stronę.