Nya publikationer
Modell med artificiell intelligens upptäcker tecken på cancer i ultrasnabb takt
Senast recenserade: 02.07.2025
Allt iLive-innehåll är mediekontrollerat eller faktiskt kontrollerat för att säkerställa så mycket faktuell noggrannhet som möjligt.
Vi har strikta sourcing riktlinjer och endast länk till välrenommerade media webbplatser, akademiska forskningsinstitut och, när det är möjligt, medicinsk peer granskad studier. Observera att siffrorna inom parentes ([1], [2] etc.) är klickbara länkar till dessa studier.
Om du anser att något av vårt innehåll är felaktigt, omodernt eller på annat sätt tveksamt, välj det och tryck på Ctrl + Enter.
Forskare vid Göteborgs universitet har utvecklat en AI-modell som förbättrar potentialen för cancerupptäckt genom sockeranalys. Denna AI-modell är snabbare och bättre på att hitta avvikelser än den nuvarande halvautomatiska metoden.
Glykaner, strukturerna hos sockermolekyler i våra celler, kan mätas med hjälp av masspektrometri. Dessa strukturer kan indikera olika former av cancer i celler. Data från masspektrometern måste dock noggrant analyseras av människor för att bestämma strukturen från glykanfragmenteringen. Denna process kan ta timmar till dagar för varje prov och kan endast utföras med hög noggrannhet av ett litet antal experter i världen, eftersom det i huvudsak är detektivarbete som lärts in under många år.
Automatisering av detektivarbete
Denna process är en flaskhals i användningen av glykananalys, till exempel för cancerdetektering, där många prover behöver analyseras. Forskare från Göteborgs universitet har utvecklat en AI-modell för att automatisera detta arbete. AI-modellen, kallad Candycrunch, löser uppgiften på bara några sekunder per test. Resultaten publicerades i en vetenskaplig artikel i tidskriften Nature Methods.
AI-modellen tränades med hjälp av en databas med mer än 500 000 exempel på olika fragmenteringar och tillhörande strukturer av sockermolekyler.
Nya biomarkörer
Det här innebär att AI-modellen snart kan uppnå samma noggrannhetsnivå som sekvensering av andra biologiska sekvenser, såsom DNA, RNA eller proteiner. Med sin hastighet och noggrannhet kan modellen påskynda upptäckten av glykanbiomarkörer för cancerdiagnos och prognos.
"Vi tror att glykananalys kommer att bli en mer betydande del av biologisk och klinisk forskning nu när vi har automatiserat flaskhalsen", säger Daniel Boyar, docent i bioinformatik vid Göteborgs universitet.
Candycrunch-modellen kan också identifiera strukturer som ofta missas vid manuell analys på grund av deras låga koncentrationer. Modellen kan således hjälpa forskare att hitta nya glykanbiomarkörer.