یادگیری ماشین می‌تواند خطر شکست دارو را پیش از ساخت ترکیب نهایی از روی «هدف زیستی» تخمین بزند پژوهشگران Scipher Medicine رویکرد متفاوتی برای ایمنی دارو پیشنهاد کرده‌اند: به‌جای تمرکز صرف بر ساختار شیمیایی دارو، ویژگی‌های خود پروتئین هدف و جایگاه آن در شبکه تعاملات پروتئینی انسان بررسی می‌شود. 📌 موضوع پژوهش پیش‌بینی اینکه انتخاب یک هدف زیستی تا چه اندازه با احتمال شکست بالینی ناشی از ایمنی مرتبط است. 🔬 روش پژوهش 🔻 داده ۳۶۹۶ دارو با نتایج موفق یا توقف مرتبط با ایمنی بررسی شد. 🔻 برای ۵۴۱ هدف زیستی، ویژگی‌های زیستی و موقعیت آن‌ها در شبکه تعاملات پروتئینی استخراج شد. 🔻 یک طبقه‌بند گرادیان‌بوستینگ برای پیش‌بینی ریسک آموزش داده شد. ✅ نتایج پژوهش 🔸 مدل روی مجموعه آزمون مستقل به ROC-AUC برابر ۰٫۷۱۲ رسید. 🔸 نتایج نشان می‌دهد اطلاعات شبکه تعاملات انسانی حاوی سیگنالی درباره احتمال مشکلات ایمنی اهداف دارویی است. 🔸 نویسندگان تأکید می‌کنند این روش باید مکمل ارزیابی‌های شیمیایی و آزمایشگاهی باشد، نه جایگزین آن‌ها. ✔️ موضوع پژوهش‌های آینده ترکیب اطلاعات هدف زیستی با ساختار دارو و استفاده از شبکه‌های عصبی گرافی برای مدل‌سازی مستقیم شبکه تعاملات. 📚 منبع: Scipher Medicine Corporation؛ مقاله Target-biology and interactome-derived signatures predict target-level associations with safety-related drug attrition؛ 🍂@NeuronRC

حسگر لمسی هوشمند زیر آب، تشخیص اشیا را در چند میلی‌ثانیه انجام داد پژوهشگران دانشگاه North University of China حسگری ساخته‌اند که تشخیص فشار و بخشی از محاسبات شبکه عصبی را مستقیماً در معماری حسگر انجام می‌دهد؛ رویکردی که می‌تواند زمان و هزینه انتقال داده از حسگر به پردازنده خارجی را کاهش دهد. 📌 موضوع پژوهش ترکیب حسگری لمسی مغناطیسی، محاسبات درون‌حسگر و شبکه عصبی برای رباتیک زیر آب. 🔬 روش پژوهش 🔻 حسگر از مراکز نیتروژن‌ـ‌تهی‌جای الماس برای اندازه‌گیری سریع میدان مغناطیسی استفاده می‌کند. 🔻 سامانه برای تشخیص پنج نوع شیء و موجود دریایی ارزیابی شد. ✅ نتایج پژوهش 🔸 نرخ تشخیص در شبیه‌سازی آفلاین با نویز مشخص به ۹۵٫۱ درصد رسید. 🔸 زمان تشخیص فقط ۶٫۴۵ میلی‌ثانیه گزارش شده است. 🔸 معماری بی‌سیم مغناطیسی همچنین مشکل آب‌بندی اتصالات الکتریکی را کاهش می‌دهد. ✔️ موضوع پژوهش‌های آینده ادغام این نوع حسگرها با بازوهای رباتیک زیرآبی و انتقال بخش بیشتری از محاسبات از پردازنده خارجی به خود حسگر. 📚 منبع: North University of China؛ مقاله Spin-based in-sensor computing magnetic tactile sensor for rapid identification of underwater targets؛ 🍂@NeuronRC

طراحی واکسن با هوش مصنوعی؛ گامی نوین در مقابله با پاندمی‌های آینده پژوهشگران دانشگاه کمبریج برای نخستین بار از هوش مصنوعی برای طراحی واکسنی استفاده کرده‌اند که می‌تواند در مهار شیوع‌های پاندمی نقش مؤثری ایفا کند. این دستاورد بر پایه کدهای ژنتیکی شناخته‌شده و داده‌های برنامه‌های جهانی پایش ویروس توسعه یافته و مسیری تازه برای آماده‌سازی سریع‌تر واکسن‌ها گشوده است. 📌 موضوع پژوهش طراحی یک super-antigen با استفاده از هوش مصنوعی برای مقابله با یک خانواده کامل از ویروس‌ها، حتی در صورت جهش و تغییر آنتی‌ژن‌ها. 🔬 روش پژوهش - بهره‌گیری از کد ژنتیکی گردآوری‌شده از شبکه‌های جهانی رصد ویروس. - استفاده از مدل هوش مصنوعی برای تحلیل آنتی‌ژن‌های موجود در یک خانواده ویروسی. - طراحی واکسنی که بتواند سیستم ایمنی را در برابر طیف گسترده‌ای از عوامل بیماری‌زا آماده کند. ✅ نتایج پژوهش - کارآزمایی انسانی بر روی کروناویروس‌ها انجام شده و اثر آن بر سیستم ایمنی در این مرحله محدود، اما اصل فناوری امیدبخش ارزیابی شده است. - مرحله دوم کارآزمایی با حضور ۲۰۰ نفر برای بررسی میزان کارایی و پایداری پاسخ ایمنی برنامه‌ریزی شده است. - هدف اصلی پیش‌افتادن از منحنی تهدید و ساخت واکسن‌هایی که در برابر عامل احتمالی شیوع بعدی نیز محافظت ایجاد کنند. ✔️ کاربردهای بالقوه - مقابله با تب‌های خونریزی‌دهنده ویروسی مانند ابولا. - تولید واکسن‌های آنفلوآنزای فصلی. - مقابله با ویروس H5N1 (آنفلوآنزای پرندگان) که برخی کارشناسان نسبت به پتانسیل همه‌گیری آن هشدار داده‌اند. 📌 اهمیت فناوری توسعه واکسن برای یک ویروس تازه معمولاً بیش از یک دهه زمان و صدها میلیون دلار هزینه در بر دارد. هوش مصنوعی می‌تواند این فرایند را به‌طور چشمگیری تسریع کرده و به‌جای ساخت واکسن‌های بسیار تخصصی برای هر ویروس، امکان هدف‌گیری یک خانواده کامل ویروسی را فراهم آورد. 📚 منبع: دانشگاه کمبریج؛ مقاله: طراحی super-antigen با کمک هوش مصنوعی برای مقابله با خانواده‌های ویروسی؛ #هوش_مصنوعی #پزشکی #واکسن #پاندمی #دانشگاه_کمبریج #فناوری_زیستی 🍂@NeuronRC

مجموعه‌داده‌ای از ۱۴۱۴ تصویر برای تحلیل اختلالات پلک منتشر شد نشریه «داده‌های علمی» (Scientific Data) مجموعه‌ای شامل ۱۴۱۴ تصویر چشم از هشت اختلال رایج پلک و یک گروه سالم منتشر کرده است. این تصاویر دارای برچسب‌های تشخیصی و حاشیه‌نویسی دستی بخش‌هایی مانند شکاف پلکی، قرنیه و ابرو هستند. پژوهشگران از ارزیابی کیفیت تصاویر و سنجش میزان توافق میان حاشیه‌نویسان خبر داده‌اند. این مجموعه‌داده می‌تواند برای آموزش و ارزیابی مدل‌های بخش‌بندی تصویر و تحلیل ساختاری چشم استفاده شود؛ بااین‌حال، تنوع جمعیتی داده‌ها و قابلیت تعمیم نتایج به بیماران مناطق دیگر باید جداگانه بررسی شود. داده‌های استاندارد و دارای برچسب تخصصی یکی از گلوگاه‌های اصلی توسعه هوش مصنوعی پزشکی هستند. ایجاد مجموعه‌های مشابه با تصاویر و تنوع جمعیتی بیماران ایرانی می‌تواند از افت دقت مدل‌های وارداتی و شکل‌گیری سوگیری‌های تشخیصی جلوگیری کند. منبع اصلی: نشریه داده‌های علمی #چشم_پزشکی #مجموعه_داده #بینایی_ماشین #هوش_مصنوعی_پزشکی 🍂@NeuronRC

مهندسان دانشگاه کالیفرنیا سن‌دیگو حلقه‌ی هوشمندی طراحی کرده‌اند که بدون نیاز به تست خون، قند و کتون بدن را پایش می‌کند. گجت یادشده اطلاعات مربوط به الکل، گلوکز، کتون، لاکتات، ویتامین C و اسید اوریک را بدون نیاز به سوزن ثبت کرده و داده‌ها را به برنامه‌ی گوشی هوشمند انتقال می‌دهد. 🍂@NeuronRC

⚡ ربات‌هایی که تا ابد می‌جهند! محققان دانشگاه کارولینای شمالی، ربات‌های نرمی به شکل قطره اشک ساخته‌اند که در معرض نور مادون‌قرمز، بی‌وقفه می‌جهند! 🔬 این ربات چگونه کار می‌کند؟ - جنس ربات از روبان‌های الاستومری کریستالی مایع است. - یک لوله آلومینیومی V شکل در انتهای آن قرار دارد. - وقتی نور مادون‌قرمز به ربات می‌تابد، سطح روبان منقبض می‌شود و ربات می‌چرخد. - ساختار V شکل مانع از چرخش آسان می‌شود و انرژی را ذخیره می‌کند. - در نقطه مشخص، انرژی ناگهان آزاد شده و ربات به هوا می‌جهد! - پس از هر جهش، ربات به شکل اولیه برمی‌گردد و تا زمانی که نور بتابد، این چرخه تکرار می‌شود. 🎯 کنترل حرکت با تغییر زاویه! پژوهشگران دریافتند با تغییر زاویه V در انتهای ربات، می‌توان نوع حرکت را کنترل کرد: - زاویه ۱۲۰ درجه ← ربات می‌خزد - زاویه ۹۰ درجه ← ربات به جلو می‌جهد - زاویه کمتر از ۵۰ درجه ← ربات عمودی می‌جهد این ربات‌ها نیازی به بازتنظیم بین جهش‌ها ندارند و خودکار این کار را انجام می‌دهند؛ یک مکانیسم جدید در دنیای رباتیک! به نظرتان این فناوری در چه صنایعی کاربرد خواهد داشت؟ #رباتیک #نرم_ربات #نوآوری #فناوری_نور #تحقیقات_علمی 🍂@NeuronRC

مدل یادگیری عمیق انتشار دی‌اکسیدکربن خودروها را پیش‌بینی کرد پژوهشگران چارچوبی ترکیبی از حافظه بلندمدت کوتاه‌مدت، الگوریتم کرم‌شب‌تاب و بهینه‌سازی کلونی مورچگان برای تخمین انتشار دی‌اکسیدکربن خودروها ارائه کرده‌اند. مدل از مشخصات استاندارد خودرو استفاده می‌کند و انتخاب ویژگی، تنظیم پارامتر و توضیح‌پذیری را در یک خط لوله قرار می‌دهد. دقت روی مجموعه‌داده پژوهشی به‌معنای عملکرد یکسان روی خودروهای فرسوده، سوخت‌های متفاوت یا شرایط رانندگی واقعی نیست. اعتبارسنجی مستقل و داده بومی برای استفاده تنظیم‌گری ضروری است. چرا مهم است؟ چنین مدل‌هایی می‌توانند بازرسی آلایندگی و سیاست نوسازی ناوگان را هدفمندتر کنند. برای ایران، کیفیت سوخت، عمر بالای خودروها و تفاوت میان آزمون آزمایشگاهی و رانندگی شهری باید وارد مدل شود. منبع : گزارش‌های علمی ـ پیش‌بینی انتشار دی‌اکسیدکربن خودرو #آلودگی_هوا #حمل_و_نقل #یادگیری_عمیق #سیاست_محیط_زیست 🍂@NeuronRC

ارزیابی هفت چت‌بات، پاسخ‌های ناایمن درباره درد پس از جراحی را آشکار کرد پژوهشگران هفت رابط عمومی چت‌بات را با ۵۱ پرسش درباره آموزش درد پس از جراحی و مجموع ۳۵۷ پاسخ ارزیابی کردند. پس از داوری بالینی، ۱۱ پاسخ معادل ۳٫۰۸ درصد ناایمن تشخیص داده شدند و نرخ پاسخ ایمن میان سامانه‌ها از ۹۴٫۱ تا ۱۰۰ درصد متغیر بود. در این ارزیابی، چت‌جی‌پی‌تی بالاترین امتیاز دقت، کلود بالاترین امتیاز همدلی و کوپایلت مناسب‌ترین خوانایی را به دست آوردند. هیچ سامانه‌ای در همه شاخص‌ها بهترین نبود و پژوهشگران استفاده مکمل، نه جایگزینی دستور پزشک، را توصیه کرده‌اند. حتی نرخ خطای ظاهراً پایین در مقیاس استفاده گسترده می‌تواند بیماران زیادی را در معرض توصیه نامناسب قرار دهد. سامانه‌های سلامت ایران باید پاسخ را براساس راهنمای بالینی بومی، شرایط بیمار و مسیر ارجاع فوری کنترل کنند. منبع اصلی: گزارش‌های علمی ـ ارزیابی چت‌بات‌ها در آموزش درد پس از جراحی #هوش_مصنوعی_پزشکی #ایمنی_بیمار #چت_بات #آموزش_بیمار 🍂@NeuronRC

سامانه «قلب من» عامل دیجیتال را به داشبورد متخصص قلب متصل کرد پژوهشگران سامانه‌ای یکپارچه برای مراقبت قلبی معرفی کرده‌اند که عامل انسان‌نمای دیجیتال، ارزیابی خطر بیماری‌های قلبی‌عروقی، تعامل صوتی دوزبانه و داشبورد بلادرنگ متخصص قلب را ترکیب می‌کند. نسخه منتشرشده، مقاله پذیرفته‌شده و داوری‌شده پیش از ویرایش نهایی است. میزان اثر سامانه بر پیامدهای بالینی، پایبندی بلندمدت بیمار و خطای تعامل صوتی باید در مطالعات گسترده‌تر بررسی شود. ارزش چنین سامانه‌ای در اتصال گفت‌وگوی هوشمند به نظارت متخصص و فرایند واقعی مراقبت است. برای کاربرد در ایران، زبان فارسی، مسئولیت توصیه، اتصال به پرونده سلامت و حفاظت از داده‌های قلبی باید از ابتدا طراحی شوند. منبع اصلی: نشریه گزارش‌های علمی ـ سامانه شخصی‌سازی‌شده مراقبت قلبی #سلامت_دیجیتال #قلب #عامل_هوشمند #پزشکی_شخصی 🍂@NeuronRC

سامانه هوشمند استفاده نادرست از اسپری تنفسی را شناسایی کرد پژوهشگران با نصب حسگر حرکتی روی اسپری پودر خشک و استفاده از پنج الگوریتم یادگیری ماشین، روشی برای تشخیص خطا در نحوه مصرف دارو ارائه کرده‌اند. داده‌های حرکتی با دو روش انتخاب ویژگی پردازش شده‌اند. عملکرد سامانه در محیط پژوهشی باید روی بیماران واقعی، انواع اسپری و گروه‌های سنی مختلف نیز آزموده شود. حرکت دست یا تفاوت جسمی بیمار ممکن است با خطای مصرف اشتباه گرفته شود. مصرف نادرست اسپری می‌تواند اثربخشی درمان بیماری‌های تنفسی را کاهش دهد. بازخورد هوشمند در خانه می‌تواند آموزش بیمار را تقویت کند، مشروط بر آنکه جای ارزیابی پزشک یا داروساز را نگیرد. منبع اصلی: مجله مراقبت تنفسی اولیه ـ تشخیص هوشمند استفاده نادرست از اسپری #بیماری_تنفسی #اسپری_تنفسی #حسگر_حرکتی #آموزش_بیمار 🍂@NeuronRC

یادگیری عمیق هدایت‌شده با فیزیک برای پایش گلخانه‌ای توت‌فرنگی ارائه شد پژوهشگران چارچوب «دیپ‌آرتی» را برای برآورد هم‌زمان شاخص سطح برگ و میزان سبزینه بوته‌های توت‌فرنگی از تصاویر چندطیفی پهپاد ارائه کرده‌اند. این روش داده‌های طیفی تولیدشده با مدل فیزیکی را با شاخص‌های پوشش گیاهی و ویژگی‌های بافتی ترکیب می‌کند. مطالعه شامل ۳۴ نوبت تصویربرداری و ۳۱۰ نمونه کنترل‌شده بود. پژوهشگران برای کاهش نشت زمانی از تقسیم‌بندی مبتنی بر ترتیب زمانی استفاده کردند و ضریب تعیین ۰٫۹۲ برای شاخص سطح برگ و ۰٫۸۴ برای سنجه سبزینه گزارش دادند. منبع : نشریه گزارش‌های علمی ـ پایش چندطیفی بوته توت‌فرنگی #کشاورزی_هوشمند #پهپاد #یادگیری_عمیق #گلخانه #عدم_قطعیت 🍂@NeuronRC

سامانه کم‌مصرف پیش‌بینی بیماری قلبی برای محیط‌های اینترنت اشیا پیشنهاد شد پژوهشگران سامانه‌ای دومرحله‌ای برای انتقال کم‌مصرف داده و پیش‌بینی بیماری قلبی ارائه کرده‌اند. بخش ارتباطی از ترکیب الگوریتم کلونی مورچگان و الگوریتم ژنتیک استفاده می‌کند و بخش تشخیص، کاهش ابعاد داده را با شبکه عصبی عمیق خودسازگار ترکیب می‌کند. مدل روی سه مجموعه داده آفلاین قلب کلیولند، بیماری عروق کرونر آفریقای جنوبی و مطالعه فرامینگهام آزمایش شده و دقت‌هایی میان ۹۵٫۰۵ تا ۹۸٫۵۶ درصد گزارش شده است. منبع : نشریه گزارش‌های علمی ـ سامانه کم‌مصرف پیش‌بینی بیماری قلبی #بیماری_قلبی #اینترنت_اشیا #یادگیری_عمیق #اعتبارسنجی_پزشکی 🍂@NeuronRC