Program AI zapewnia szczegółowe spojrzenie na strumienie plazmy stosowane w leczeniu raka

Opracowano programy sztucznej inteligencji w celu usprawnienia terapii medycznych wykorzystujących strumienie naelektryzowanego gazu zwanego plazmą. Kod komputerowy przewiduje substancje chemiczne uwalniane przez urządzenia plazmowe, które można zastosować w leczeniu raka, wspomaganiu wzrostu zdrowych tkanek i sterylizacji powierzchni.

Oprogramowanie nauczyło się przewidywać mieszaninę substancji chemicznych opuszczających samolot na podstawie danych zebranych podczas eksperymentów w świecie rzeczywistym i wykorzystywało prawa fizyki jako wskazówki. Ten rodzaj sztucznej inteligencji (AI) nazywany jest uczeniem maszynowym, ponieważ system uczy się na podstawie dostarczonych informacji. Naukowcy zaangażowani w projekt opublikowali Artykuł o ich kodzie w Journal of Physics D: Fizyka Stosowana.

Osocze badane w eksperymentach znane jest jako zimna plazma atmosferyczna (CAP). Kiedy strumień CAP jest włączony, wiele związków chemicznych w plazmie bierze udział w tysiącach reakcji. Te chemikalia modyfikują komórki poddawane zabiegowi na różne sposoby, w zależności od składu chemicznego strumienia. Chociaż naukowcy wiedzą, że CAP można stosować do zabijania komórek nowotworowych, leczenia ran i zabijania bakterii w żywności, nie jest do końca jasne, dlaczego.

„To badanie jest krokiem w kierunku głębszego zrozumienia, jak i dlaczego działają CAP, a pewnego dnia może zostać wykorzystane do ulepszenia ich wykorzystania” – powiedział Evgeny Raitsis, główny fizyk badawczy w Laboratorium Fizyki Plazmy DOE. (bańka).

Projekt został ukończony przez Cooperative Low-Temperature Plasma Research Facility (PCRF), będący owocem współpracy naukowców z PPPL i George Washington University (GWU).

PPPL ma coraz większy dorobek, który łączy 70 lat pionierskich badań nad plazmą ze swoją wiedzą specjalistyczną w zakresie sztucznej inteligencji w celu rozwiązywania problemów społecznych. Misja laboratorium wykracza poza wykorzystanie plazmy do wytwarzania energii syntezy jądrowej do zastosowań w takich dziedzinach, jak medycyna, produkcja i inne.

W programie zastosowano podejście znane jako sieć neuronowa informowana o fizyce (PINN). W PINN dane są zorganizowane w części zwane węzłami i neuronami. Przepływ danych naśladuje sposób przetwarzania informacji w ludzkim mózgu. Do kodu dodano także prawa fizyki.

„Wiedza o tym, co wychodzi z samolotu, jest bardzo ważna. Dokładna wiedza o tym, co wychodzi z samolotu, jest bardzo trudna” – powiedziała Sophia Gershman, główny inżynier badawczy PPPL z PCRF, która pracowała nad tym wspólnym projektem. Proces ten będzie wymagał kilku różnych urządzeń do gromadzenia różnego rodzaju informacji o samolocie.

„W badaniach praktycznych trudno jest zastosować całą zaawansowaną technologicznie diagnostykę jednocześnie dla każdego urządzenia i dla różnych rodzajów powierzchni, które leczymy” – wyjaśnił Gershman.

Oblicz skład chemiczny co nanosekundę

Trudno jest również obliczyć, jakie substancje chemiczne znajdują się w strumieniu CAP, ponieważ reakcje należy rozpatrywać pojedynczo w nanosekundach, powiedział Li Lin, naukowiec z GWU i główny autor artykułu.

„Jeśli weźmie się pod uwagę, że urządzenie działa przez kilka minut, liczba obliczeń sprawia, że ​​problem jest czymś więcej niż tylko intensywnym obliczeniowo. Jest to praktycznie niemożliwe” – powiedział Lin. „Uczenie maszynowe pozwala pominąć skomplikowaną część”.

Projekt rozpoczął się od niewielkiego zestawu rzeczywistych danych zebranych przy użyciu techniki znanej jako spektroskopia absorpcyjna w podczerwieni z transformacją Fouriera. Naukowcy wykorzystali ten mały zbiór danych do stworzenia szerszego zbioru danych. Dane te wykorzystano następnie do uczenia sieci neuronowej przy użyciu algorytmu ewolucyjnego – rodzaju kodu komputerowego inspirowanego naturą, który wyszukuje najlepsze odpowiedzi, stosując podejście przetrwania najlepiej przystosowanych.

Generowanych jest kilka kolejnych partii danych nieco innymi metodami, a do kolejnej rundy szkolenia przekazywane są tylko najlepsze zbiory danych, aż do uzyskania pożądanych rezultatów.

Ostatecznie zespołowi udało się dokładnie obliczyć stężenia substancji chemicznych, temperaturę gazu, temperaturę elektronów i stężenie elektronów w strumieniu plazmy w zimnej atmosferze na podstawie danych zebranych podczas eksperymentów w świecie rzeczywistym.

W zimnej plazmie atmosfery elektrony – małe, ujemnie naładowane cząstki – mogą być bardzo gorące, mimo że inne cząstki mają temperaturę bliską temperaturze pokojowej. Elektrony mogą występować w wystarczająco niskim stężeniu, aby plazma nie nagrzewała się ani nie paliła skóry, a jednocześnie mogła mieć znaczący wpływ na komórki docelowe.

W drodze do spersonalizowanej terapii plazmowej

Długoterminowym celem jest umożliwienie wykonywania tych obliczeń na tyle szybko, aby oprogramowanie mogło automatycznie dostosować osocze podczas procedury w celu optymalizacji leczenia, powiedział Michael Kedar, profesor inżynierii Jamesa Clarka w GWU i częsty współpracownik PPPL, który również pracował nad tym projektem . Kedar pracuje obecnie w swoim laboratorium nad prototypem urządzenia „adaptacyjnej plazmy”.

„Idealnie byłoby, gdyby można było je dostosować. Tak jak to sobie wyobrażamy, traktujesz pacjenta, a reakcja każdego pacjenta będzie inna” – wyjaśnił Kedar. „Możesz zatem mierzyć reakcję w czasie rzeczywistym, a następnie spróbować zgłosić, korzystając z informacji zwrotnych i uczenia maszynowego, prawidłowe ustawienia urządzenia do produkcji plazmy”.

Aby udoskonalić takie urządzenie, należy przeprowadzić więcej badań. Na przykład w niniejszym badaniu analizowano WPR w czasie, ale tylko w jednym punkcie przestrzeni. Dalsze badania będą musiały rozszerzyć zakres prac, aby uwzględnić wiele punktów wzdłuż strumienia wylotowego strumienia.

W badaniu przyjrzano się także osobno pióropuszowi plazmy. Przyszłe eksperymenty będą musiały obejmować powierzchnie poddane obróbce plazmowej, aby sprawdzić, jak wpływa to na skład chemiczny w miejscu leczenia.