دانشمندان ژاپنی با ترکیب هوش مصنوعی و فناوری نوری، روشی نوین برای شناسایی نانوذرات نادر توسعه داده‌اند که می‌تواند تحولی در پزشکی و محیط‌زیست ایجاد کند.
دانشمندان دانشگاه توکیو با توسعه فناوری نوینی به نام نانومتری عمیق (DNM) موفق به شناسایی نانوذرات نادر از جمله وزیکول‌های خارج‌سلولی (EVs) شده‌اند.
به گزارش ساینس دیلی، این روش که ترکیبی از فناوری نوری پیشرفته و الگوریتم حذف نویز مبتنی بر یادگیری عمیق بدون نظارت است، امکان تشخیص سریع و دقیق این ذرات در نمونه‌های پزشکی را فراهم می‌کند.
وزیکول‌های خارج‌سلولی ذراتی بسیار کوچک‌تر از سلول‌ها هستند که نقش مهمی در تشخیص زودهنگام بیماری‌ها و انتقال دارو دارند. با این حال، به دلیل تعداد بسیار کم آنها در میان میلیون‌ها ذره دیگر، شناسایی‌شان مستلزم روش‌های زمان‌بر و پرهزینه است. برای حل این مشکل، یویچیرو ایواموتو، پژوهشگر مرکز تحقیقات علوم و فناوری پیشرفته دانشگاه توکیو، و تیم او روشی سریع‌تر و دقیق‌تر را توسعه داده‌اند که می‌تواند به بهبود فرآیند‌های تشخیصی کمک کند.

چالش شناسایی ذرات نادر
یویچیرو ایواموتو در این‌باره می‌گوید: «روش‌های اندازه‌گیری رایج، توان عملیاتی محدودی دارند و شناسایی ذرات نادر را در مدت‌زمان کوتاه دشوار می‌سازند. برای حل این چالش، ما فناوری نانومتری عمیق را توسعه دادیم که شامل یک دستگاه شناسایی نانوذرات و یک روش کاهش نویز مبتنی بر یادگیری عمیق بدون نظارت است. این فناوری حساسیت سیستم را افزایش داده و امکان تشخیص ذرات نادری مانند وزیکول‌های خارج‌سلولی را فراهم می‌کند. “
در DNM، توانایی تشخیص ذراتی به کوچکی ۳۰ نانومتر با سرعتی بیش از ۱۰۰ هزار ذره در ثانیه فراهم شده است. در حالی که فناوری‌های شناسایی سریع معمولاً فقط سیگنال‌های قوی را دریافت می‌کنند و سیگنال‌های ضعیف را از دست می‌دهند، این روش با کمک هوش مصنوعی امکان تشخیص دقیق‌تر را فراهم می‌کند. به گفته محققان، این فناوری مانند یافتن یک قایق کوچک در اقیانوسی پرتلاطم است؛ اگر امواج از بین بروند، یافتن قایق آسان‌تر خواهد شد. هوش مصنوعی در اینجا با یادگیری ویژگی‌های نویز، آن را حذف کرده و باعث بهبود دقت شناسایی ذرات می‌شود.

کاربرد‌های آینده فراتر از پزشکی
این فناوری نه‌تنها می‌تواند در تشخیص بیماری‌ها کاربرد داشته باشد، بلکه در زمینه‌های دیگری مانند توسعه واکسن و پایش محیط زیست نیز مورد استفاده قرار خواهد گرفت. علاوه بر این، قابلیت حذف نویز مبتنی بر هوش مصنوعی را می‌توان در سیگنال‌های الکتریکی و سایر زمینه‌های مهندسی نیز به کار برد.