Yapay zeka, altın standart tıbbi incelemeler üretme süresini kısaltıyor – ancak şüpheciler dikkatli olunması gerektiğini söylüyor
Dil modelleri sistematik incelemelerin hızlanmasına yardımcı olabilse de, tam otomatik bir sisteme ulaşmak için henüz çok yolumuz var.
Yapay zeka, bebek beyin olgunluğunu dakikalar içinde değerlendirebilir
Makine öğrenimi algoritmaları artık elektroensefalografi (EEG) kullanılarak kaydedilen elektriksel beyin sinyallerini analiz ederek bebeklerin “beyin yaşını” benzeri görülmemiş bir hassasiyetle tahmin edebilir.
Daha fazlasını oku
Yapay zeka aracı, kan örneğinden diyabet, HIV ve COVID’i teşhis ediyor
Bağışıklık hücrelerini taramak için makine öğrenimini kullanan ‘tek atışlı’ yaklaşım, örtüşen semptomları olan durumların tespit edilmesine yardımcı olabilir
Araştırmacılar, kan örneklerindeki bağışıklık hücresi gen dizilerini tarayarak bir dizi enfeksiyonu ve sağlık durumunu tek seferde teşhis edebilen bir yapay zeka (YZ) aracı geliştirdiler.
20 Şubat’ta Science dergisinde yayımlanan ve yaklaşık 600 kişi üzerinde yapılan bir çalışmada, araç katılımcıların sağlıklı olup olmadıklarını veya COVID-19, tip 1 diyabet, HIV veya otoimmün hastalık lupus olup olmadıklarını ve yakın zamanda grip aşısı olup olmadıklarını belirledi.
İngiltere’deki Cambridge Üniversitesi’nden moleküler biyolog Sarah Teichmann, “Bu, bağışıklık sisteminizin maruz kaldığı her şeyi yakalayan tek seferlik bir dizileme yaklaşımıdır” diyor.
Çalışmanın ortak yazarı ve Kaliforniya’daki Standford Üniversitesi’nde bilgisayar bilimcisi olan Maxim Zaslavsky, aracın henüz klinik kullanıma hazır olmadığını ancak yaklaşımı geliştirmek için daha fazla çalışma yapılmasıyla bir gün klinisyenlerin “bugün kesin testleri olmayan durumlarla” başa çıkmalarına yardımcı olabileceğini söylüyor.
“Gerçek dünya bakış açısından, vaat, bir kişinin gördüğü her şeyi okuyabileceğiniz ve ardından bunu sağlık bakımıyla ilişkilendirebileceğiniz bağışıklık sistemi için tek bir temel modele sahip olmaktır,” diyor Teichmann. “Bunu gerçekleştirme yolunda ileride atılacak çok sayıda adım var, ancak bu bir adım.”
Doğal tanı
Bağışıklık sistemi, iki ana hücre türü olan B hücreleri ve T hücreleri aracılığıyla geçmiş ve mevcut hastalıkların kapsamlı bir kaydını tutar. B hücreleri, virüslere ve zararlı moleküllere bağlanan antikorlar üretirken, T hücreleri diğer tepkileri aktive eder veya enfekte olmuş hücreleri öldürür.
Bir kişi enfeksiyona veya vücudun yanlışlıkla kendi dokularına saldırdığı bir otoimmün duruma sahip olduğunda, B hücreleri ve T hücreleri sayıca artar ve belirli yüzey reseptörleri üretmeye başlar. Bu reseptörleri kodlayan genlerin dizilenmesi, kişinin hastalık ve enfeksiyonlara ilişkin benzersiz kaydını açabilir.
Oslo Üniversitesi’nde hesaplamalı immünolog olan Victor Greiff, “Bağışıklık sistemi doğal bir tanı yöntemidir ve eğer onun bunu nasıl yapabildiğini öğrenirsek, biz de yapabiliriz” diyor.
Zaslavsky, mevcut tanı araçlarının “bağışıklık sisteminin hastalık maruziyetlerine ilişkin kayıtlarından bir miktar ama çok az yararlandığını” söylüyor ancak daha önceki çabaların çoğu B veya T hücrelerinden gelen dizilere odaklanmıştı. “Bunları birleştirerek bağışıklık aktivitesinin bu daha kapsamlı resmini elde etmek bize neler olabileceğine dair daha eksiksiz bir okuma sağlıyor.”
Zaslavsky ve meslektaşları, B hücresi ve T hücresi reseptörlerindeki önemli bölgeleri kodlayan gen dizilerini analiz etmek ve belirli hastalıklarla ilişkili kalıpları seçmek için altı makine öğrenme modelini birleştiren bir yapay zeka aracı geliştirdiler.
Kaynak ve devamına Buradan ulaşabilirsiniz.
Yapay zeka, DNA’da depolanan dijital verileri günler yerine dakikalar içinde çözebilir
Yeni bir yapay zeka tabanlı yöntem, DNA dizilerinden dijital verileri eski tekniklere göre yaklaşık 90 kat daha hızlı bir şekilde kurtarabilir ve bu da hesaplama için pratik DNA depolama olasılığını artırır.
Yapay zeka, DNA zincirlerinde saklanan verileri, önceki yöntemlerde günlerce süren okuma sürelerinden ziyade 10 dakika gibi bir sürede okuyabiliyor. Bu da DNA depolamayı, bilgisayarlarda pratik kullanıma daha da yakınlaştırıyor.
Kaliforniya Üniversitesi, San Diego’dan Daniella Bar-Lev, “DNA, büyük miktarda veriyi son derece kompakt bir biçimde depolayabilir ve binlerce yıl boyunca bozulmadan kalabilir” diyor. “Ek olarak, DNA doğal olarak çoğaltılabilir ve bu da uzun vadeli veri saklama için benzersiz bir avantaj sunar.”
Ancak DNA’da kodlanmış bilgileri geri almak devasa bir zorluktur çünkü depolandığında iplikler birbirine karışır ve iç içe geçer. Veri kodlama süreci sırasında, bazen bireysel iplikler kusurlu bir şekilde çoğaltılır ve bazı parçalar tamamen kaybolabilir. Sonuç olarak, DNA’da depolanan verileri okumak, parçalanmış, yazım hatalarıyla dolu sayfalarla dolu bir kutudan bir kitabı yeniden inşa etmeye benzeyebilir.
Bar-Lev, “Geleneksel yöntemler bu kaosla mücadele ediyor ve günlerce işlem gerektiriyor,” diyor. Yeni yaklaşım, “gürültüdeki kalıpları tespit etmek üzere eğitilmiş AI ile bunu kolaylaştırıyor” diyor.
Bar-Lev ve meslektaşları, karışık DNA dizilerini hızlı ve doğru bir şekilde çözebilen DNAformer adlı yapay zeka destekli bir yöntem geliştirdiler. Sistem, DNA dizilerini yeniden oluşturmak üzere eğitilmiş derin öğrenme yapay zeka modeli, hataları tespit edip düzelten ayrı bir bilgisayar algoritması ve kalan hataları düzeltirken her şeyi tekrar dijital veriye dönüştüren üçüncü bir kod çözme algoritması içeriyor.
Kaynak ve devamına Buradan ulaşabilirsiniz.
Dünya, yapay zeka ile insan ömrünü uzatmanın eşiğinde
?
Teknoloji Editörü
?
Teknoloji Editörü
Boeing yeni nesil yolcu uçağının test uçuşlarına yeniden başladı
5 gün önce eklendi
OpenAI’ın geliştirdiği GPT-4b adlı dil modeli, protein dizilimlerini analiz edip geliştirme kapasitesine sahip. Özellikle, “Yamanaka faktörleri” olarak bilinen ve hücreleri gençleştirme potansiyeli olan proteinler üzerindeki çalışmalarda önemli bir rol oynuyor. GPT-4b tarafından önerilen amino asit dizilimleri, bu faktörlerin etkinliğini tam 50 kat artırdı.
?
Teknoloji Editörü
Boeing yeni nesil yolcu uçağının test uçuşlarına yeniden başladı
5 gün önce eklendi
OpenAI’ın geliştirdiği GPT-4b adlı dil modeli, protein dizilimlerini analiz edip geliştirme kapasitesine sahip. Özellikle, “Yamanaka faktörleri” olarak bilinen ve hücreleri gençleştirme potansiyeli olan proteinler üzerindeki çalışmalarda önemli bir rol oynuyor. GPT-4b tarafından önerilen amino asit dizilimleri, bu faktörlerin etkinliğini tam 50 kat artırdı.
Sam Altman’dan 180 milyon dolar “şahsi” yatırım
Yamanaka faktörleri, normal hücreleri kök hücrelere dönüştürebiliyor ve bu sayede vücuttaki yaşlanma belirtilerini tersine çevirmek, organları yenilemek ve yaşılığa bağlı hastalıkları tedavi etmek için kullanılabiliyor. Proje, normal insan ömrünü 10 yıl artırmayı hedefleyen Retro Biosciences’ın bir girişimi olarak bir yıl önce başladı.
Yaşlanma mekanizmalarına odaklanan bu biyoteknoloji şirketi, bu mekanizmaları tersine çevirmek ve yaşılığa bağlı hastalıkları önlemek için yeni tedaviler geliştiriyor. OpenAI CEO’su Sam Altman, Retro Biosciences’a kişisel olarak 180 milyon dolar yatırım yaptı. Bu finansman, şirkete operasyonlarını 10 yıl boyunca sürdürebilme ve ilk konsept kanıtını elde etme imkanı tanıdı.
?
Teknoloji Editörü
Boeing yeni nesil yolcu uçağının test uçuşlarına yeniden başladı
5 gün önce eklendi
OpenAI’ın geliştirdiği GPT-4b adlı dil modeli, protein dizilimlerini analiz edip geliştirme kapasitesine sahip. Özellikle, “Yamanaka faktörleri” olarak bilinen ve hücreleri gençleştirme potansiyeli olan proteinler üzerindeki çalışmalarda önemli bir rol oynuyor. GPT-4b tarafından önerilen amino asit dizilimleri, bu faktörlerin etkinliğini tam 50 kat artırdı.
Sam Altman’dan 180 milyon dolar “şahsi” yatırım
Yamanaka faktörleri, normal hücreleri kök hücrelere dönüştürebiliyor ve bu sayede vücuttaki yaşlanma belirtilerini tersine çevirmek, organları yenilemek ve yaşılığa bağlı hastalıkları tedavi etmek için kullanılabiliyor. Proje, normal insan ömrünü 10 yıl artırmayı hedefleyen Retro Biosciences’ın bir girişimi olarak bir yıl önce başladı.
Yaşlanma mekanizmalarına odaklanan bu biyoteknoloji şirketi, bu mekanizmaları tersine çevirmek ve yaşılığa bağlı hastalıkları önlemek için yeni tedaviler geliştiriyor. OpenAI CEO’su Sam Altman, Retro Biosciences’a kişisel olarak 180 milyon dolar yatırım yaptı. Bu finansman, şirkete operasyonlarını 10 yıl boyunca sürdürebilme ve ilk konsept kanıtını elde etme imkanı tanıdı.
GPT-4b yapay zeka modeli nasıl çalışıyor?
Google AlphaFold, proteinlerin üç boyutlu yapısını tahmin ederek biyoteknoloji alanında devrim yaratmıştı. GPT-4b ise bu yeteneğin ötesine geçerek proteinlerin amino asit dizilimlerini geliştiriyor ve fonksiyonlarını daha etkin hale getiriyor. Retro Biosciences tarafından laboratuvar ortamında test edilen bu öneriler, Yamanaka faktörlerinin etkisini çarpıcı bir şekilde artırdı.
Sonuçlar henüz yayınlanmamış olsa da Retro Biosciences ve OpenAI, bu verileri ilerleyen dönemlerde paylaşmayı planlıyor. Harvard Üniversitesi’nden yaşlanma araştırmacısı Vadim Gladyshev gibi uzmanlara göre bu tür yenilikler karmaşık sorunları çözmeye yardımcı olabilir. Bu yenilikçi yaklaşımın bilim dünyasının geleceğini nasıl şekillendireceğini hep birlikte göreceğiz.
Kaynak ve devamına Buradan ulaşabilirsiniz.
Bilim İnsanları fMRI ve Yapay Zekayla Düşünce Okumayı Başardı
Bilim insanları , insan beyin taramaları(fMRI) ve yapay zeka modelleme kullanarak insanların düşüncelerini okumaya bir adım daha yaklaştı. Normalde bir dil dekoderi kullanmaktaki ana fikir , iletişim yeteneğini kaybeden insanlara yardım etmek. Fakat bu teknoloji, ABDli bilim insanları arasında mental gizliliğe ilişkin soru işaretlerini beraberinde getirdi. Bu korkuları gidermek içinse, bu teknolojinin mümkün kılınması için kişinin saatlerce fonksiyonel manyetik rezonans taraması(fMRI) yapılması gerektiğinin altı çiziliyor. Yani kişinin rızası olmadan dekoderin kullanılması mümkün değil.
Daha önceki araştırmada beyin implantı sayesinde, uzun süredir konuşamayan ya da bir şeyler yazamayan kişilerin kelimeler ve hatta cümleler kurmasına yardımcı olduğu gösterilmişti. Bu beyin-bilgisayar arayüzleri (interface) beynin kelime oluştururken, ağzı kontrol eden bölgesine odaklanıyor. ABD Teksas Üniversitesi’nden nöro-bilimci ve araştırmanın yardımcı yazarı ekibin dil dekoderi için tümüyle farklı bir seviyede çalıştığını ifade ediyor. “Bizim sistemimiz fikirler, semantikler ve anlam açısından gerçekten farklı bir seviyede çalışıyor,” diyor Huth. Nature Neuroscience dergisindeki araştırmaya göre, invazif olmayan beyin implantları açısından sürekli dili yeniden oluşturabilen ilk sistemdir.
Bir Dilden Ötesi Araştırmada üç kişi toplamda 16 saat boyunca, fMRI makinesinin içinde New York Times’ın Modern Love gibi podcastlerini dinledi. Araştırmacılar bu sayede; kelimelerin, ifadelerin ve anlamların, beynin dili işlediği bilinen bölgelerinde nasıl tepkilere yol açtığını haritaları gözlemledi. Araştırmacılar bu veriyi kullanarak, GPT-1 nöral dil ağı modelini besledi. Bu ağ Chat GPT’nin atasıdır. Bu model kişinin beyninin algılanan konuşmaya nasıl cevap verdiğini tahmin ederek, en yakın cevabı bulana kadar seçenekleri daraltıyor. Modelin doğruluğunu test etmek için her katılımcı fMRI makinesinde yeni bir hikaye dinledi. Çalışmanın ilk yazarı Jerry Tang, kod çözücünün “kullanıcının duyduğu şeyin ana fikrini kurtarabileceğini” söyledi. Örneğin, katılımcı “Daha ehliyetim yok” ifadesini duyduğunda, model “daha araba sürmeyi öğrenmeye bile başlamadı” şeklinde geri dönmüştür.
Araştırmacılar, kod çözücünün “ben” veya “o” gibi şahıs zamirleriyle mücadele ettiğini de kabul ediyor. Fakat katılımcılar kendi hikayelerini düşündüklerinde veya sessiz filmleri izlediklerinde bile, kod çözücünün “özü” kavrayabildiğini ifade ediyor. Huth, “Bu, “dilden daha derin bir şeyi çözdüğümüzü, sonra onu dile dönüştürdüğümüzü” gösterdi. Huth, fMRI taramasının tek tek sözcükleri yakalamak için çok yavaş olması nedeniyle, “birkaç saniye içinde bir bilgi yığını, bir karmaşa” topladığını söyledi. Böylece, kesin kelimeler kaybolsa bile fikrin nasıl geliştiğini görebiliriz,”diyor.
Kaynak ve devamını incelemen için : Bilim İnsanları fMRI ve Yapay Zekayla Düşünce Okumayı Başardı (gercekbilim.com)
Yapay zeka 30’dan fazla kanser ilacı geliştirdi: İşte detaylar >
Yapay zekanın kanser tedavisinde umut ışığı olabileceğini gösteren bir çalışmaya imza atıldı. Bilim insanları yeni bir yapay zeka algoritmasıyla 32 potansiyel çok hedefli kanser ilacı sentezledi.
Bilim insanları, kanserle mücadelede önemli bir adım attı. Araştırmacılar ilaç geliştirmenin ilk aşamalarındaki en karmaşık kimyasal süreçleri modelleyebilen bir yapay zeka algoritması geliştirdi. Söz konusu süreç normalde binlerce ayrı deney içeriyor, ancak artık araştırmacıların elinde bu çalışmaları optimize edecek yeni bir araç var.
Yeni teknoloji, bilim insanlarının ilaç bulmak, geliştirmek ve iyileştirmek için yapay zekayı kullanmaya yönelik aktif araştırma çalışmalarının bir parçası olarak tanımlanıyor. POLYGON adı verilen bu yapay zeka algoritması, San Diego’daki Kaliforniya Üniversitesi araştırmacıları tarafından geliştirildi.
POLYGON platformunun en benzersiz özelliği birden fazla hedefe sahip molekülleri tanımlayabilmesi. Mevcut yöntemler tek hedef üzerine odaklanırken, doktorlar ve bilim insanları çok hedefli ilaçlara daha büyük ilgi duyuyor. Çünkü bunlar kanser tedavisinde birkaç farklı ilacın birlikte kullanıldığı kombine tedaviyle aynı faydaları sağlama potansiyeline sahip ve daha az yan etki gösteriyor.
32 potansiyel çok hedefli kanser ilacı sentezlendi
Çalışmanın yazarı Trey Ideker konuyu şöyle açıklıyor: “Yeni bir ilaç bulmak ve geliştirmek için uzun yıllar ve milyonlarca dolar gerekir, özellikle de birden fazla hedefi olan bir ilaçtan bahsediyorsak. Elimizdeki nadir birkaç çok hedefli ilaç büyük ölçüde şans eseri keşfedildi, ancak bu yeni teknoloji tesadüfleri denklemden çıkarmaya ve yeni nesil hassas tıbbı başlatmaya yardımcı olabilir.”
POLYGON, milyonlarca biyoaktif molekülün kimyasal özellikleri ve hedef proteinlerle etkileşimleri hakkında bilgi içeren bir veri kümesi üzerinde eğitildi. Bu sayede yeni aday ilaçlar için orijinal kimyasal formüller üretebiliyor. Bunu yapmak için, bilim insanlarının yapay zekaya gelecekteki ilacın hedef proteinlerle nasıl etkileşime girmesi gerektiğini söylemeleri yeterli.
Sonuç olarak, MEK1 ve mTOR hücresel sinyal proteinleriyle mükemmel etkileşim gösteren 32 aday kanser ilacı oluşturuldu. Bu da tek başına her birini baskılamak yeterli olmasa bile ikisini birlikte baskılamanın kanser hücrelerini öldürmek için yeterli olduğu anlamına geliyor. Şu anda bilim insanları aday ilaçların özelliklerini test etmeye devam ediyor ve yenilerini arıyor.
Görünüşe bakılırsa artık hayatımızın her alanına dahil olmaya başlayan yapay zeka özellikle tıp dünyasında çığır açabilecek ilerlemelere ön ayak olacak. Kaliforniya Üniversitesi tarafından kaydedilen bu ilerleme, ilaç geliştirme sürecini hızlandırarak kanser ve diğer amansız hastalıklarla savaşta daha etkili tedaviler geliştirilmesine yardımcı olabilir.
Kaynak ve devamını incelemen için : Yapay zeka 30’dan fazla kanser ilacı geliştirdi: İşte detaylar | DonanımHaber (donanimhaber.com)
Yapay zeka, prostat kanserini tespit etmede doktorlardan daha başarılı..
Yapılan yeni bir araştırmaya göre yapay zeka, MR taramalarında prostat kanserini tespit etmede doktorlardan daha isabetli sonuçlar veriyor.
Dünyanın en prestijli tıbbi dergilerinden biri olan Lancet‘ta yayınlanan bir çalışmaya göre yapay zeka, MR taramalarında prostat kanserini radyologlardan daha doğru tespit ediyor.
Gereksiz biyopsi sayısı azalacak
Yüksek prostat kanseri riski taşıyan erkeklerin artık MR taramasından geçmeleri önerildiğinden, radyologların iş yükü artmış durumda. Zira birçok ülkede deneyimli doktor sıkıntısı yaşanıyor ve yapay zeka bu sorunu çözebilir.
Kaynak ve devamını okuman için : Yapay zeka, prostat kanserini tespit etmede doktorlardan daha iyi | DonanımHaber (donanimhaber.com)