Alt iLive-indhold gennemgås medie eller kontrolleres for at sikre så meget faktuel nøjagtighed som muligt.
Vi har strenge sourcing retningslinjer og kun link til velrenommerede medie websteder, akademiske forskningsinstitutioner og, når det er muligt, medicinsk peer reviewed undersøgelser. Bemærk at tallene inden for parentes ([1], [2] osv.) Er klikbare links til disse undersøgelser.
Hvis du mener, at noget af vores indhold er unøjagtigt, forældet eller på anden måde tvivlsomt, skal du vælge det og trykke på Ctrl + Enter.
Model med kunstig intelligens opdager tegn på kræft ultrahurtigt
Sidst revideret: 02.07.2025
Forskere ved Göteborgs Universitet har udviklet en AI-model, der forbedrer potentialet for kræftopdagelse gennem sukkeranalyse. Denne AI-model er hurtigere og bedre til at finde abnormiteter end den nuværende semiautomatiske metode.
Glykaner, strukturerne af sukkermolekyler i vores celler, kan måles ved hjælp af massespektrometri. Disse strukturer kan indikere forskellige former for kræft i celler. Dataene fra massespektrometeret skal dog analyseres omhyggeligt af mennesker for at bestemme strukturen ud fra glykanfragmenteringen. Denne proces kan tage timer til dage for hver prøve og kan kun udføres med høj nøjagtighed af et lille antal eksperter i verden, da det i bund og grund er detektivarbejde, der er lært over mange år.
Automatisering af detektivarbejde
Denne proces er en flaskehals i brugen af glykananalyse, for eksempel til kræftpåvisning, hvor mange prøver skal analyseres. Forskere fra Göteborgs Universitet har udviklet en AI-model til at automatisere dette arbejde. AI-modellen, kaldet Candycrunch, løser opgaven på blot få sekunder pr. test. Resultaterne blev offentliggjort i en videnskabelig artikel i tidsskriftet Nature Methods.
AI-modellen blev trænet ved hjælp af en database med mere end 500.000 eksempler på forskellige fragmenteringer og tilhørende strukturer af sukkermolekyler.
Nye biomarkører
Det betyder, at AI-modellen snart kan opnå samme nøjagtighedsniveau som sekventering af andre biologiske sekvenser, såsom DNA, RNA eller proteiner. Med sin hastighed og nøjagtighed kan modellen fremskynde opdagelsen af glykanbiomarkører til kræftdiagnose og -prognose.
"Vi tror, at glykananalyse vil blive en mere betydelig del af biologisk og klinisk forskning nu, hvor vi har automatiseret flaskehalsen," siger Daniel Boyar, lektor i bioinformatik ved Göteborgs Universitet.
Candycrunch-modellen er også i stand til at identificere strukturer, der ofte overses ved manuel analyse på grund af deres lave koncentrationer. Modellen kan således hjælpe forskere med at finde nye glykanbiomarkører.