︿
Top

前瞻技術脈動:醫療與健康(202434)

瀏覽次數:968| 歡迎推文: facebook twitter wechat Linked

科技產業資訊室(iKnow) - 技術發展藍圖研析團隊 發表於 2024年9月20日
facebook twitter wechat twitter

圖、前瞻技術脈動:醫療與健康(202434)
 
研究人員開發了處理螢幕使用者眼球運動數據的演算法
期望透過眼動數據,及早捕捉人們的決策。使用名為RETINA(Raw Eye Tracking and Image Encoder Architecture)的深度學習演算法,結合眼動技術,來達成這個目標。馬里蘭大學的研究團隊近期研發了一項新型人工智慧系統,結合眼動技術和深度學習算法,旨在及早預測使用者在瀏覽比價網站時的選擇。這一算法被冠名為「RETINA」,能夠捕捉眼動的原始數據,並可望應用於多個領域,包括市場行銷、醫學、心理學和設計等。這項技術未來將在虛擬商店和其他眼動監測應用中發揮關鍵作用,為使用者呈現更加個性化的體驗。在虛擬商店中,RETINA可根據使用者的眼動預測其可能的選擇,從而增進虛擬購物的互動體驗。
參考資料Researchers develop algorithm that crunches eye-movement data of screen users, TechXplore. 2024/02/01.


使用手機振動器,研究團隊建構了一台價值7美元的腫瘤創建設備
在癌症研究領域中,創建可培養成完整癌症腫瘤的腫瘤球體是測試抗癌藥物和其他治療方法的重要步驟。然而,當前的腫瘤球體創建方法往往昂貴且耗時,並可能導致不一致的研究結果。因此,使用簡單且廉價的零件,包括手機中的硬幣型振動馬達,開發出一種DIY腫瘤創建設備。由Brigham and Women's Hospital研究團隊發表於《Device》期刊的研究成果指出,該團隊使用簡單且廉價的零件,包括手機中的硬幣型振動馬達,開發出一種DIY腫瘤創建設備。該設備的組裝成本不到7美元,利用噴嘴釋放懸浮在藻類溶液中的癌細胞,且振動馬達有助於防止結塊,確保腫瘤球體具有均勻的大小。這種低成本且高效的方法旨在解決當前腫瘤球體創建的挑戰,為癌症研究和藥物測試提供了有價值的工具。研究團隊已向科學界分享他們的DIY方法,以促進更廣泛的近用性和在癌症生物學實驗室中的應用。
參考資料Using a cell-phone vibrator, team builds a $7 tumor-creation device, New Atlas. 2024/02/01.


解密細菌自毀機制以對抗感染
每年在美國發生超過280萬例抗生素抗藥性感染,這些感染導致超過3.5萬人死亡。研究人員找到了一種關鍵性防禦機制,稱為CBASS,它能啟動細菌的自我毀滅機制,以防止病毒在細菌間傳播。由Icahn School of Medicine at Mount Sinai研究團隊發表於《Nature Structural & Molecular Biology》期刊的研究成果指出,該團隊發現了一種控制細菌感染的新方法。該團隊找到了一種啟動細菌自毀的關鍵性防禦機制的途徑,該機制被稱為CBASS,能誘導細菌自我毀滅以防止病毒在細菌間傳播。該創新方法為管理細菌感染提供了一種新途徑,有望解決醫院等場所的擔憂。研究團隊透過瞭解與CBASS相關的關鍵蛋白Cap5的結構及其啟動DNA降解的過程,他們希望能開發出控制細菌感染和應對抗生素抗性藥的新策略。該研究是由National Institutes of Health資助。
參考資料Unlocking Bacterial Self-Destruction to Combat Infections, SciTechDaily. 2024/02/06.


研究人員利用人工智慧發現了一類新的候選抗生素,可以殺死抗藥性細菌
耐甲氧西林金黃色葡萄球菌(MRSA)每年在美國感染超過80,000人,經常引起皮膚感染或肺炎,若病情嚴重可能導致敗血症,這是一種可能致命的血液感染。近期,人工智慧發現了一類新化合物,能有效殺死這些致命的抗藥性細菌。麻省理工學院的研究人員以深度學習的人工智慧發現了一類化合物,能殺死在實驗室培養皿和兩種 MRSA 感染小鼠模型中生長的MRSA。這些化合物對人體細胞的毒性也非常低,是很具潛力的候選藥物。研究人員也弄清楚深度學習模型使用哪些類型的資訊來進行抗生素效力預測,以幫助設計出比模型確定的藥物效果更好的其他藥物。研究過程是使用大幅擴展的資料集訓練了深度學習模型。他們透過測試約 39,000 種化合物對 MRSA 的抗生素活性來產生訓練數據,然後將這些數據以及化合物化學結構的資訊輸入到模型中。研究採用蒙特卡羅樹搜尋的演算法,允許模型不僅產生每個分子抗菌活性的估計,還可以預測分子的哪些子結構可能解釋該活性。研究人員也訓練了另外三個深度學習模型來預測這些化合物是否對三種不同類型的人類細胞有毒。透過將這些資訊與抗菌活性的預測相結合,發現了可以殺死微生物同時對人體產生最小不良影響的化合物。(1454字;圖1)
參考資料Using AI, researchers identify a new class of antibiotic candidates that can kill a drug-resistant bacterium, phys.org. 2023/12/21.


 

 
歡迎來粉絲團按讚!
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述,僅為提供更多訊息,也不構成任何投資建議。
2.著作權所有,非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載,本中心保留一切法律追訴權利。