Data dodania: 2025-05-28
Kiedy DNA spotyka sztuczną inteligencję
Ich badania, początkowo skoncentrowane na tworzeniu tzw. „decyzyjnych chromosomów i genów, oraz Decyzyjnego DNA”, otworzyły nowe drzwi w dziedzinie przetwarzania informacji. Dziś, dzięki połączeniu biologii, informatyki, medycyny i sztucznej inteligencji, zespół skupia się na jednym z najbardziej ambitnych wyzwań współczesnej medycyny: automatyzacji analizy kariotypu.
Co to jest kariotyp?
Kariotypowanie to badanie, które pozwala ocenić strukturę i liczbę chromosomów w komórkach pacjenta. Może wykryć różne nieprawidłowości genetyczne – od zespołu Downa po zmiany nowotworowe. Jednak analiza kariotypu nie jest prostym zadaniem. Obraz chromosomów uzyskany z próbki biologicznej wygląda zwykle jak splątane nitki. Aby je zbadać, trzeba je najpierw „rozplątać i wyprostować”. Do tej pory była to trudna, żmudna praca technika laboratoryjnego. Teraz może się to zmienić.
Kłębowisko genów pod cyfrową lupą
Punktem zwrotnym dla zespołu była rozmowa z technikiem laboratoryjnym na jednej z konferencji. Opisał on zmagania z obrazami chromosomów, których nie da się przeanalizować bez wcześniejszego czasochłonnego, żmudnego i wymagającego wieloletniego doświadczenia, przygotowania. To wtedy zrodziła się w świadomości zespołu kluczowa idea: a gdyby zamiast człowieka spojrzał na nie komputer? Nie chodzi jednak o wykorzystanie jakiegoś zwykłego algorytmu, a o coś znacznie bardziej niekonwencjonalnego – generatywną sieć przeciwstawną (ang. Generative Adversarial Network). GAN to to zaawansowana technologia w dziedzinie sztucznej inteligencji, która umożliwia tworzenie niezwykle realistycznych obrazów, opierając się na współpracy dwóch rywalizujących modeli: generatora i dyskryminatora. Potrafi uczyć się, a następnie tworzyć nowe dane na podstawie poznanych wzorców. W tym przypadku uczy się rozpoznawać, jak wygląda „dobrze wyprostowany chromosom” i potrafi taki obraz samodzielnie wygenerować z nieczytelnego kłębowiska. „GAN-em jestem zauroczony od lat – to niezwykle inteligentna architektura, która może pomóc tam, gdzie człowiek myli się lub nie nadąża” – stwierdza prof. Szczerbicki.
Od bio-inspiracji do praktyki medycznej
Efektem ponad dwóch lat intensywnych badań były pierwsze publikacje na międzynarodowej konferencji poświęconej przetwarzaniu informacji, big data i AI – konferencji, na której zespół zdobył prestiżową nagrodę Best Paper Award. Tytuł nagrodzonej pracy mówi wiele o jej istocie, choć wymaga specjalistycznego słownika: "Chromosome Straightening via Disentangled Representations Exploring Semantic Trajectories in GAN’s Latent Space”. Mówiąc prościej: naukowcy uczą maszynę, jak „rozplątywać i prostować” genetyczne nitki chromosomów, by można je było szybciej i dokładniej analizować. To może mieć realne przełożenie na diagnostykę genetyczną, terapię nowotworową, a nawet projektowanie leków.
Publikacje i przyszłość
Zachęcony sukcesem na konferencji, zespół złożył kolejne prace w renomowanych czasopismach naukowych:
- Knowledge-Based Systems (Elsevier) – uznane pismo w dziedzinie systemów opartych na wiedzy (IF 7.2): “Multi-Scale Discriminative Representation Learning for Chromosome Classification with Small Datasets” (praca zaakceptowana do druku),
- IEEE Journal of Health Informatics – skupiające się na cyfrowych innowacjach w medycynie (IF 6.7): “Bridging Local and Temporal Features for Chromosomal Structural Abnormality Detection” (praca w trakcie recenzji).
To dopiero początek – tworzenie solidnych podstaw teoretycznych z perspektywą nieodległego przełożenia ich na praktyczne aplikacje. Jak podkreślają naukowcy, rozwój badań w tym kierunku może oznaczać przełom nie tylko w automatyzacji analiz biologicznych, ale też w tworzeniu nowych modeli przetwarzania informacji – takich, które inspirację czerpią wprost z kodu życia.
Zainteresowanych współpracą w obszarze bioinspirowanych systemów informacyjnych, sztucznej inteligencji w diagnostyce medycznej oraz zastosowań sieci GAN – zarówno w kontekście badań naukowych, jak i wdrożeń praktycznych – zapraszamy do kontaktu z prof. dr hab. inż. Edwardem Szczerbickim z Wydziału Zarządzania i Ekonomii Politechniki Gdańskiej. Kontakt: edward.szczerbicki@zie.pg.gda.pl