L’intelligenza artificiale per accelerare la diagnosi del cancro

La rivoluzione medica sta vivendo una svolta importante con l’introduzione di un nuovo modello di intelligenza artificiale. Quest’ultimo è in grado di trasformare e rilevare la diagnosi di cancro. Questo modello promette di migliorare la velocità e l’accuratezza della diagnostica. Ciò rappresenta un’opportunità senza precedenti per rilevare la malattia nelle fasi iniziali e ottimizzare i trattamenti per i pazienti.

Diagnosi basata sull’analisi dei glicani

I glicani sono strutture di zucchero presenti nelle nostre cellule. Possono fungere da biomarcatori per il cancro se la loro struttura subisce modifiche, rilevabili mediante spettrometria di massa.

Attualmente i dati ottenuti con questa tecnica devono essere attentamente esaminati da specialisti per determinare la possibile presenza di cancro. Questo processo lungo e complesso richiede la competenza di un numero limitato di professionisti altamente qualificati. Questo lo rende essenziale l’uso dell’intelligenza artificiale per velocizzare l’analisi.

È in questo contesto che un team di ricercatori, guidato dal dottor Daniel Bojar, esperto dell’Università di Göteborg in Svezia, ha sviluppato il proprio modello di intelligenza artificiale. L’obiettivo di questa intelligenza è semplificare il rilevamento 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 tipicamente modificati, che possono essere misurati mediante spettrometria di massa », spiega l’autore della ricerca principale Daniel Bojar pubblicata il 1° luglio. 2024 sulla rivista *Nature Methods*.

CandyCrunch la nuova IA per rilevare le indicazioni del cancro in pochi secondi

Il modello AI “CandyCrunch” può rilevare rapidamente segni di cancro identificando i glicani nei campioni. CandyCrunch è stato addestrato su un database di oltre 500.000 strutture di glicani. Pertanto, questo modello di deep learning ha imparato ad associare correttamente gli spettri dei glicani alle loro strutture. Secondo il Dr. Daniel Bojar, CandyCrunch riesce a prevedere l’esatta struttura dei glicani con una precisione del 90% dopo l’allenamento.

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. Usa questa tecnica per identificare e annotare le strutture dei glicani dagli spettri di frammentazione.

Leggi anche: Aerei più green grazie all’intelligenza artificiale?

Il modello CandyCrunch ha dimostrato di funzionare meglio di Glycoforest e segna 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 un’analisi in media dieci volte più velocemente di Glycoforest e include la quantificazione dei glicani, cosa che Glycoforest non fa.