Mặc dù trí tuệ nhân tạo đã xâm chiếm cuộc sống hàng ngày của chúng ta trong những năm gần đây, đặc biệt là với sự ra đời và dân chủ hóa của các AI tạo ra như ChatGPT, Le_Chat hoặc Dall-E, nhưng nó cũng đặc biệt hữu ích trong nhiều lĩnh vực khác, bao gồm cả y học. Việc chẩn đoán, điều trị hoặc theo dõi bệnh tật hiện nay được hỗ trợ bởi nhiều loại AI đang được sử dụng. có sẵn cho các chuyên gia chăm sóc sức khỏe, nhưng nghiên cứu trong lĩnh vực này vẫn rất tích cực.
Do đó, một nhóm các nhà nghiên cứu từ Đại học Tokyo đã phát triển một kỹ thuật cải tiến, kết hợp quang học tiên tiến với trí tuệ nhân tạo, để phát hiện và phân tích các hạt nano, đặc biệt là các túi ngoại bào, nhằm chẩn đoán sớm một số bệnh ung thư.
Phương pháp tiếp cận này, được gọi là "Nanometry sâu" (DNM), dựa trên thuật toán giảm nhiễu dựa trên học sâu không giám sát. Nói cách khác, trí tuệ nhân tạo có khả năng học trực tiếp từ dữ liệu mà không cần phải dán nhãn trước hoặc can thiệp của con người. Mạng nơ-ron tích chập xác định các mẫu và mối quan hệ giữa dữ liệu, cho phép trích xuất các tín hiệu có liên quan từ lượng dữ liệu khổng lồ. thông tin.
Do đó, AI có thể phát hiện các tín hiệu yếu, khó tiếp cận bằng các phương pháp khác và cải thiện độ nhạy cũng như độ chính xác của phép đo để phát hiện các hạt nhỏ hơn và hiếm hơn trong một môi trường nhất định. Quá trình xử lý và phân tích dữ liệu cũng nhanh hơn nhiều, giúp giảm thời gian cần thiết để có được kết quả.
Trong trường hợp này, AI do các nhà nghiên cứu phát triển có thể được sử dụng để chẩn đoán một số loại bệnh nhất định như ung thư trực tràng. Các túi ngoại bào do tế bào ung thư giải phóng thực tế chứa thông tin cụ thể về nguồn gốc của chúng, khiến chúng trở thành dấu ấn sinh học tiềm năng của loại ung thư này. Quy trình DNM của họ cho phép phát hiện và phân tích các túi ngoại bào này trong các mẫu sinh học, mở đường cho việc chẩn đoán sớm hơn và điều trị hiệu quả hơn.
Nói chung hơn, DNM cũng có thể giúp theo dõi sự phát triển và tiến triển của nhiều bệnh lý khác nhau, chẳng hạn như bệnh tim mạch và thoái hóa thần kinh, đồng thời giúp hiểu cách thuốc hoạt động ở cấp độ nano. Nó cũng có thể được sử dụng để tìm kiếm chất gây ô nhiễm trong thực phẩm hoặc để theo dõi các hạt nano trong môi trường.
Nguồn: Nature
Do đó, một nhóm các nhà nghiên cứu từ Đại học Tokyo đã phát triển một kỹ thuật cải tiến, kết hợp quang học tiên tiến với trí tuệ nhân tạo, để phát hiện và phân tích các hạt nano, đặc biệt là các túi ngoại bào, nhằm chẩn đoán sớm một số bệnh ung thư.
Một AI có khả năng tự học sẽ phát hiện ra một số hạt nano
Phương pháp tiếp cận này, được gọi là "Nanometry sâu" (DNM), dựa trên thuật toán giảm nhiễu dựa trên học sâu không giám sát. Nói cách khác, trí tuệ nhân tạo có khả năng học trực tiếp từ dữ liệu mà không cần phải dán nhãn trước hoặc can thiệp của con người. Mạng nơ-ron tích chập xác định các mẫu và mối quan hệ giữa dữ liệu, cho phép trích xuất các tín hiệu có liên quan từ lượng dữ liệu khổng lồ. thông tin.
Do đó, AI có thể phát hiện các tín hiệu yếu, khó tiếp cận bằng các phương pháp khác và cải thiện độ nhạy cũng như độ chính xác của phép đo để phát hiện các hạt nhỏ hơn và hiếm hơn trong một môi trường nhất định. Quá trình xử lý và phân tích dữ liệu cũng nhanh hơn nhiều, giúp giảm thời gian cần thiết để có được kết quả.
Tìm kiếm và phát hiện ra các hạt nano rất cụ thể
Trong trường hợp này, AI do các nhà nghiên cứu phát triển có thể được sử dụng để chẩn đoán một số loại bệnh nhất định như ung thư trực tràng. Các túi ngoại bào do tế bào ung thư giải phóng thực tế chứa thông tin cụ thể về nguồn gốc của chúng, khiến chúng trở thành dấu ấn sinh học tiềm năng của loại ung thư này. Quy trình DNM của họ cho phép phát hiện và phân tích các túi ngoại bào này trong các mẫu sinh học, mở đường cho việc chẩn đoán sớm hơn và điều trị hiệu quả hơn.
Nói chung hơn, DNM cũng có thể giúp theo dõi sự phát triển và tiến triển của nhiều bệnh lý khác nhau, chẳng hạn như bệnh tim mạch và thoái hóa thần kinh, đồng thời giúp hiểu cách thuốc hoạt động ở cấp độ nano. Nó cũng có thể được sử dụng để tìm kiếm chất gây ô nhiễm trong thực phẩm hoặc để theo dõi các hạt nano trong môi trường.
Nguồn: Nature
