Data dodania: 2026-09-29
Zespół prof. Edwarda Szczerbickiego z kolejną ważną, interdyscyplinarną publikacją
Kariotypowanie to badanie, które pozwala ocenić strukturę i liczbę chromosomów w komórkach pacjenta. Służy także do wykrywania nieprawidłowości w kodzie genetycznym. Zespół prof. Edwarda Szczerbickiego z Wydziału Zarządzania i Ekonomii Politechniki Gdańskiej oraz prof. Haoxi Zhang’a z Chengdu University of Information Technology w Chinach, który od kilkunastu lat pracuje nad wykorzystaniem sztucznej inteligencji do badań nad DNA, opracował właśnie platformę wykorzystującą AI do wykrywania nieprawidłowości w kariotypie.
W najbliższym numerze renomowanego czasopisma IEEE Journal of Biomedical and Health Informatics (JBHI) (IF 7.7, CiteScore 14.3, aktualna lista minsterialna 140 punktów) ukaże się artykuł zespołu kierowanego przez prof. E. Szczerbickiego oraz prof. H. Zhang’a z Chengdu University of Information Technology w Chinach pod tytułem „CS-Net: Bridging Local and Temporal Features for Chromosomal Structural Abnormality Detection”.
Zaproponowana w pracy platforma CS-Net to nowatorskie użycie kognitywnego widzenia komputerowego w uczeniu maszynowym poprzez dedykowany strumień danych (pipeline) do wykrywania nieprawidłowości strukturalnych chromosomów. Jest to kolejny krok w pogłębieniu i udoskonaleniu kariotypowania. Dzięki wykorzystaniu zaawansowanych technik przestrzenno-czasowej reprezentacji i modelowania wiedzy oraz informacji, wraz z uwzględnieniem wcześniej już publikowanych badań zespołu, CS-Net osiąga bardzo dobre wyniki i wykazuje silny potencjał wspomagania oraz poprawy diagnostyki klinicznej. Jego elastyczność, odporność i skalowalność czynią go cennym narzędziem w szeroko pojętych badaniach biomedycznych i opiece zdrowotnej.
Jak mówi prof. Szczerbicki:
Kolejnym krokiem, jaki planujemy w tych badaniach, jest wykorzystanie i integracja z CS-Net zaawansowanych technik modelowania LLM (Large Language Models), które aktualnie staramy się udoskonalić. Naszym dążeniem jest osiągnięcie jak największej liczby typów nieprawidłowości możliwych do wykrycia w informacjach genetycznych pochodzących bezpośrednio od rzeczywistych pacjentów w rutynowej opiece medycznej. Oparta na AI inżynieria wiedzy i informacji ma w tym zakresie ogromny potencjał.
Artykuł jest już ogólnie dostępny i cytowalny na ścieżce Early Access czasopisma JBHI: https://ieeexplore.ieee.org/document/11704715/authors#authors
Zachęcamy do lektury!
Serdecznie gratulujemy tego osiągnięcia prof. Edwardowi Szczerbickiemu i całemu zespołowi.