Alt iLive-innhold blir gjennomgått med medisin eller faktisk kontrollert for å sikre så mye faktuell nøyaktighet som mulig.
Vi har strenge retningslinjer for innkjøp og kun kobling til anerkjente medieområder, akademiske forskningsinstitusjoner og, når det er mulig, medisinsk peer-evaluerte studier. Merk at tallene i parenteser ([1], [2], etc.) er klikkbare koblinger til disse studiene.
Hvis du føler at noe av innholdet vårt er unøyaktig, utdatert eller ellers tvilsomt, velg det og trykk Ctrl + Enter.
Modell med kunstig intelligens oppdager tegn på kreft ekstremt raskt
Sist anmeldt: 02.07.2025
Forskere ved Gøteborgs universitet har utviklet en AI-modell som forbedrer potensialet for kreftdeteksjon gjennom sukkeranalyse. Denne AI-modellen er raskere og bedre til å finne avvik enn den nåværende halvautomatiske metoden.
Glykaner, strukturene til sukkermolekyler i cellene våre, kan måles ved hjelp av massespektrometri. Disse strukturene kan indikere ulike former for kreft i celler. Dataene fra massespektrometeret må imidlertid analyseres nøye av mennesker for å bestemme strukturen fra glykanfragmenteringen. Denne prosessen kan ta timer til dager for hver prøve, og kan bare gjøres med høy nøyaktighet av et lite antall eksperter i verden, da det i hovedsak er detektivarbeid lært over mange år.
Automatisering av detektivarbeid
Denne prosessen er en flaskehals i bruken av glykananalyse, for eksempel for kreftdeteksjon, der mange prøver må analyseres. Forskere fra Göteborgs universitet har utviklet en AI-modell for å automatisere dette arbeidet. AI-modellen, kalt Candycrunch, løser oppgaven på bare noen få sekunder per test. Resultatene ble publisert i en vitenskapelig artikkel i tidsskriftet Nature Methods.
AI-modellen ble trent ved hjelp av en database med mer enn 500 000 eksempler på forskjellige fragmenteringer og tilhørende strukturer av sukkermolekyler.
Nye biomarkører
Dette betyr at AI-modellen snart kan oppnå samme nøyaktighetsnivå som sekvensering av andre biologiske sekvenser, som DNA, RNA eller proteiner. Med sin hastighet og nøyaktighet kan modellen akselerere oppdagelsen av glykanbiomarkører for kreftdiagnose og -prognose.
«Vi tror at glykananalyse vil bli en mer betydelig del av biologisk og klinisk forskning nå som vi har automatisert flaskehalsen», sier Daniel Boyar, førsteamanuensis i bioinformatikk ved Gøteborgs universitet.
Candycrunch-modellen er også i stand til å identifisere strukturer som ofte overses ved manuell analyse på grunn av lave konsentrasjoner. Dermed kan modellen hjelpe forskere med å finne nye glykanbiomarkører.