بكين- قنا- طور باحثون من جامعة جنوبي الصين للتكنولوجيا نموذجا للتنبؤ باستخدام الذكاء الاصطناعي يعمل على تقليل الاستئصال الجراحي غير الضروري لمرضى سرطان القولون والمستقيم بعد الاستئصال الموضعي.
واعتمد الفريق البحثي النموذج لتقييم خطر تكرار الإصابة بعد الاستئصال الموضعي لسرطان القولون والمستقيم، وذلك باستخدام صور مرضية لعينات سرطان المستقيم من مرحلة «تي 1» المستأصلة جراحيا.
ويعد الاستئصال الموضعي العلاج الأساسي لسرطان القولون والمستقيم، الذي يعتبر ثالث أكثر أنواع السرطان شيوعا في العالم، حيث يمثل حوالي 10 في المائة من جميع حالات الإصابة بهذا المرض.
وساعد نموذج التنبؤ القائم على الذكاء الاصطناعي في تقليل العمليات الجراحية الإضافية غير الضرورية بنسبة 34.9 في المائة تقريبا لدى جميع المرضى المسجلين، مقارنة بالمبادئ التوجيهية الأميركية الحالية في هذا الصدد.
وأوضح الباحثون أن هذا النموذج لا يساعد الأطباء في اتخاذ القرارات فحسب، بل يظهر أيضا الأداء والإمكانات المتميزة للذكاء الاصطناعي القائم على صور علم أمراض الأنسجة في التنبؤ بسلوك الورم.
كما طور علماء من جامعة فودان الصينية معالجا دقيقا من أشباه الموصلات فائقة الرقة بسمك بضع طبقات ذرية، لتعزيز الأداء الحاسوبي.
وهذه الرقاقة، المعروفة باسم «وو جي»، هي معالج 32 بت يعتمد على بنية RISC-V التي تستخدم أشباه موصلات ثنائية الأبعاد. وتعتبر RISC-V بنية مفتوحة المصدر ومجانية، مما يمنحها مرونة تصميم واستهلاك منخفض للطاقة.
وقال تشو بنغ من جامعة فودان: «إن المعالج الدقيق يحتوي على 5900 ترانزستور ومكتبة خلايا قياسية كاملة تشمل 25 نوعا من وحدات المنطق، مما يمكنه من إجراء عمليات الجمع والطرح على ما يصل إلى 4.2 مليار نقطة بيانات، ويتيح برمجة ما يصل إلى مليار أمر».
وقد تم تصميم الدوائر المنطقية ثنائية الأبعاد لتتوافق مع التطورات الحاصلة في الدوائر المتكاملة المصنوعة من السيليكون، مع تحسين تدفق العمليات.
وأشار تشو إلى أن فريق البحث استخدم خوارزميات ذكاء اصطناعي مبتكرة لتمكين التحكم الدقيق، بدءا من نمو المواد ووصولا إلى عمليات التكامل.
وتمكن نهج الفريق في التصنيع والتصميم من معالجة التحديات الرئيسية المتعلقة بتكامل الدوائر ثنائية الأبعاد على نطاق الرقاقة، مما أدى إلى تطوير نموذج أولي غير مسبوق لمعالج دقيق يظهر الإمكانات الهائلة لتكنولوجيا الدوائر المتكاملة ثنائية الأبعاد التي تتجاوز السيليكون القياسي.
