Die medizinische Revolution macht mit der Einführung eines neuen Modells der künstlichen Intelligenz einen großen Schritt nach vorne. Dieses ist in der Lage, die Krebsdiagnose zu transformieren und zu erkennen. Dieses Modell verspricht, die Geschwindigkeit und Genauigkeit der Diagnosen zu verbessern. Dieser Stand der Dinge stellt eine beispiellose Gelegenheit dar, die Krankheit in früheren Stadien zu erkennen und die Behandlung der Patienten zu optimieren.
Diagnose basierend auf Glykananalyse
Glykane sind Zuckerstrukturen, die in unseren Zellen vorkommen. Sie können als Biomarker für Krebs dienen, wenn sich ihre Struktur verändert, was sich mit Hilfe der Massenspektrometrie nachweisen lässt.
Derzeit müssen die mit dieser Technik gewonnenen Daten von Spezialisten sorgfältig untersucht werden, um das mögliche Vorhandensein von Krebs festzustellen. Dieser langwierige und komplexe Prozess erfordert das Fachwissen einer begrenzten Anzahl hochqualifizierter Fachkräfte. Daher ist der Einsatz künstlicher Intelligenz zur Beschleunigung der Analyse unerlässlich.
In diesem Zusammenhang hat ein Forscherteam unter der Leitung von Dr. Daniel Bojar, einem Experten an der Universität Göteborg in Schweden, sein KI-Modell entwickelt. Ziel dieser Intelligenz ist es, die Krebserkennung zu vereinfachen. „Theoretisch könnte diese Methode auf alle Arten von Krebs angewendet werden, da alle uns bekannten Formen dieser Krankheit charakteristisch veränderte Glykane aufweisen, die mittels Massenspektrometrie gemessen werden können“, erklärt Daniel Bojar, Hauptautor der am 1. Juli 2024 in der Zeitschrift *Nature Methods* veröffentlichten Studie.
CandyCrunch, die neue KI erkennt Anzeichen von Krebs in Sekunden
Das KI-Modell „CandyCrunch“ kann durch die Identifizierung von Glykanen in Proben schnell Anzeichen von Krebs erkennen. CandyCrunch wurde anhand einer Datenbank mit über 500.000 Glykanstrukturen trainiert. Dadurch lernte dieses Deep-Learning-Modell, Glykanspektren korrekt mit ihren Strukturen zu verknüpfen. Laut Dr. Daniel Bojar ist CandyCrunch nach dem Training in der Lage, die genaue Struktur von Glykanen mit 90-prozentiger Genauigkeit vorherzusagen.
Diese Inhalte könnten Sie interessieren: Kann künstliche Intelligenz die Demokratie gefährden?
CandyCrunch effektiver als die Glycoforest-Methode
Die Glycoforest-Methode basiert auf hochauflösender Massenspektrometrie. Sie nutzt diese Technik, um Glykanstrukturen aus Fragmentierungsspektren zu identifizieren und zu annotieren.
Lesen Sie auch: Umweltfreundlichere Flugzeuge dank künstlicher Intelligenz?
Das CandyCrunch-Modell hat sich als effizienter als Glycoforest erwiesen und stellt einen großen Fortschritt bei der Bereitstellung zuverlässiger Ergebnisse in Rekordzeit dar. Laut Daniel Bojar variiert die Analysegeschwindigkeit je nach Probe. CandyCrunch führt jedoch im Durchschnitt zehnmal schnellere Analysen durch als Glycoforest und umfasst eine Glykanquantifizierung, die Glycoforest nicht durchführt.
