La rivoluzione medica sta compiendo un importante passo avanti con l’introduzione di un nuovo modello di intelligenza artificiale. Quest’ultimo è in grado di trasformare e rilevare la diagnosi del cancro. Questo modello promette di migliorare la velocità e l’accuratezza delle diagnosi. Questo stato di cose rappresenta un’opportunità senza precedenti per rilevare la malattia in fasi iniziali e ottimizzare i trattamenti per i pazienti.
Diagnosi basata sull’analisi dei glicani
I glicani sono strutture zuccherine presenti nelle nostre cellule. Possono fungere da biomarcatori per il cancro se la loro struttura subisce delle modifiche, rilevabili tramite spettrometria di massa.
Attualmente, i dati ottenuti da questa tecnica devono essere attentamente esaminati da specialisti per determinare l’eventuale presenza di cancro. Questo processo, lungo e complesso, richiede la competenza di un numero limitato di professionisti altamente qualificati. Ciò rende essenziale l’uso dell’intelligenza artificiale per velocizzare l’analisi.
È in questo contesto che un team di ricercatori, guidato dal dott. Daniel Bojar, esperto dell’Università di Goteborg in Svezia, ha sviluppato il suo modello di intelligenza artificiale. L’obiettivo di questa intelligenza è semplificare la rilevazione del cancro. “In teoria, questo metodo potrebbe essere applicato a tutti i tipi di cancro, perché tutte le forme di questa malattia che conosciamo hanno glicani caratteristicamente modificati, che possono essere misurati tramite spettrometria di massa”, spiega Daniel Bojar, autore principale della ricerca pubblicata il 1° luglio 2024 sulla rivista *Nature Methods*.
CandyCrunch la nuova intelligenza artificiale per rilevare le indicazioni del cancro in pochi secondi
Il modello AI “CandyCrunch” può rilevare rapidamente i segni del cancro identificando i glicani nei campioni. CandyCrunch è stato addestrato su un database di oltre 500.000 strutture di glicani. Di conseguenza, questo modello di apprendimento profondo ha imparato ad associare correttamente gli spettri dei glicani alle loro strutture. Secondo il dott. Daniel Bojar, CandyCrunch è in grado di prevedere la struttura esatta dei glicani con una precisione del 90% dopo l’addestramento.
Questo contenuto potrebbe interessarti: L’intelligenza artificiale può mettere in pericolo la democrazia?
CandyCrunch più efficace del metodo Glycoforest
Il metodo Glycoforest si basa sulla spettrometria di massa ad alta risoluzione. Utilizza questa tecnica per identificare e annotare le strutture dei glicani dagli spettri di frammentazione.
Leggi anche: Aerei più ecologici grazie all’intelligenza artificiale?
Il modello CandyCrunch ha dimostrato di essere più efficiente di Glycoforest e rappresenta un importante passo avanti nel fornire risultati affidabili in tempi record. Secondo Daniel Bojar, la velocità di analisi varia a seconda del campione. Ma CandyCrunch esegue in media analisi dieci volte più veloci di Glycoforest e include la quantificazione dei glicani, cosa che Glycoforest non fa.
