Algorytm równie skutecznie jak lekarze diagnozuje zmiany skórne pod kątem nowotworów
dodany przez
KopalniaWiedzy.pl, w Medycyna
-
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
Kobiety, które mieszkają w miejscach zachęcających do spacerów, są mniej narażone na nowotwory związane z otyłością, a szczególnie na postmenopauzalne nowotwory piersi, nowotwory jajników, endometrium oraz szpiczaka mnogiego, informują naukowcy z Columbia University Mailman School of Public Health i NYU Grossman School of Medicine. Otyłość powiązana jest z 13 rodzajami nowotworów, a aktywność fizyczna zmniejsza ryzyko wystąpienia niektórych z nich. Dotychczas jednak brakowało badań nad architekturą miejsca zamieszkania, a występowaniem nowotworów powiązanych z otyłością.
Amerykańscy naukowcy przez 24 lata przyglądali się 14 274 kobietom w wieku 34–65 lat, które w latach 1985–1991 wzięły udział w programie badań mammograficznych w Nowym Jorku. Naukowcy przeanalizowali okolicę, w jakiej każda z nich mieszkała, skupiając się przede wszystkim na tym, na ile zachęcała ona do spacerowania czy załatwiania codziennych rzeczy na piechotę. Ważna więc była nie tylko infrastruktura drogowa czy otoczenie przyrodnicze, ale też dostępność sklepów, kawiarni czy różnego typu usług w takiej odległości, by mieszkańcy chcieli przemieszczać się na własnych nogach. Okazało się, że tam, gdzie sąsiedztwo bardziej sprzyjało spacerom, panie rzadziej zapadały na nowotwory.
Do końca roku 2016 na nowotwór powiązany z otyłością zapadło 18% badanych pań. Z tego 53% zachorowało na postmenopauzalny nowotwór piersi, 14% na raka jelita grubego, a 12% na nowotwór endometrium. To unikatowe długoterminowe badania, które pozwoliły nam określić związek pomiędzy otoczeniem sprzyjającym spacerom, a nowotworami, mówi doktor Yu Chen z NYU Grossman School of Medicine. Naukowcy zauważyli, że kobiety mieszkające w otoczeniu, które sprzyja spacerom, były narażone na o 26% mniejsze ryzyko rozwoju nowotworu powiązanego z otyłością. To kolejny dowód na to, jak architektura miejska wpływa na zdrowie coraz bardziej starzejących się społeczeństw, stwierdza profesor epidemiologii Andrew Rundle z Columbia Mailman School.
Naukowcy zauważają, że zachęcanie ludzi do większej aktywności fizycznej jest często mało skuteczne. Wiele osób postanawia więcej się ruszać, jednak ich zapał trwa bardzo krótko i szybko wracają do starych zwyczajów. Zupełnie inaczej jest w sytuacji, gdy otoczenie sprzyja ruchowi. Wówczas bez zachęt, w sposób naturalny, wolą się przejść do sklepu, fryzjera czy kina, niż jechać samochodem, stać w korkach oraz szukać miejsca do zaparkowania.
« 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
-
-
Ostatnio przeglądający 0 użytkowników
Brak zarejestrowanych użytkowników przeglądających tę stronę.