Tag Archives: 2018

10 tehnoloških pronalazaka iz 2018. godine

3D metalno printanje

Dok je 3D štampa prisutna decenijama, ona je uglavnom ostala u domenu hobista i dizajnera koji proizvode jednokratne prototipe. A štampanje objekata sa bilo čime osim plastike – posebno metalom – bilo je skupo i bolno sporo.

Sada, međutim, postaje jeftino i dovoljno lako da bude potencijalno praktičan način proizvodnje dijelova. Ako se široko prihvati, to bi moglo promijeniti način na koji masovno proizvodimo mnoge proizvode.

Vještački embrij

U proboju koji redefinira način na koji se život može stvoriti, embriolozi koji rade na Univerzitetu u Kembridžu u Velikoj Britaniji izrasli su realistične mišje embrione koristeći samo matične stanice. Nema jaja. Nema sperme. Samo ćelije izvađene iz drugog embrija.

Pametni grad

Brojne šeme pametnog grada nailazile su na kašnjenja, odbacile njihove ambiciozne ciljeve ili naplaćivale sve osim super-bogatih. Novi projekat u Torontu, nazvan Quayside, nada se da će promijeniti taj obrazac neuspjeha promišljanjem urbanog susjedstva iz temelja i njegovom izgradnjom oko najnovijih digitalnih tehnologija.

Vještačka inteligencija za sve

Veštačka inteligencija je do sada bila uglavnom igračka velikih tehnoloških kompanija kao što su Amazon, Baidu, Google i Microsoft, kao i neki startupi. Za mnoge druge kompanije i dielove ekonomije, AI sistemi su preskupi i suviše su teški za implementaciju u potpunosti.

Koje je rješenje? Alati za strojno učenje bazirani u oblaku dovode AI u daleko širu publiku. Do sada je Amazon dominirao cloud AI sa svojom AWS podružnicom. Google to dovodi u pitanje sa TensorFlow, AI bibliotekom otvorenog izvora koja se može koristiti za izgradnju drugog softvera za strojno učenje. Nedavno je Google najavio Cloud AutoML, skup prethodno obučenih sistema koji bi mogli učiniti AI jednostavnijim za upotrebu.

Microsoft, koji ima svoju AI-baziranu cloud platformu, Azure, udružuje se sa Amazonom kako bi ponudio Gluon, biblioteku za dubinsko učenje otvorenog koda. Gluon bi trebalo da napravi neuralne mreže – ključnu tehnologiju u AI koja grubo imitira kako ljudski mozak uči – tako lako kao što je izgradnja aplikacije za pametne telefone.

Nesigurno je koja od ovih kompanija će postati lider u pružanju AI usluga u oblaku. Ali to je velika poslovna prilika za pobjednike.

Sukobljene neuralne mreže

Vještačka inteligencija postaje veoma dobra u identifikaciji stvari: pokažite joj milion slika, i može vam sa čudnom tačnošću reći koje od njih prikazuju pješaka koji prelazi ulicu. Ali AI je beznadan u samom stvaranju slika pješaka. Ako bi to mogla, mogla bi stvoriti gomile realističnih, ali sintetičkih slika koje prikazuju pješake u različitim okruženjima, koje bi automobil koji se sam vozio mogao koristiti da se trenira bez izlaska na put.

Rješenje se prvo desilo Ianu Goodfellowu, koji je tada bio doktorant na Univerzitetu u Montrealu, tokom akademske rasprave u baru 2014. godine. Pristup, poznat kao generativna kontradiktorna mreža, ili GAN, uzima dvije neuronske mreže – pojednostavljeni matematički modeli ljudskog mozga koji podupire većinu savremenog mašinskog učenja – i prebacuje ih jedan protiv drugog u digitalnoj igri mačke i miša.

Obje mreže su obučene na istom skupu podataka. Jedna, poznata kao generator, ima zadatak da kreira varijacije na slikama koje je već vidila – možda napravi sliku pješaka sa dodatnom rukom. Od drugog, poznatog kao diskriminator, traži se da odredi da li je primjer koji vidi kao slika na kojima je treniran ili lažni proizvod generatora – u suštini, da li će ta trostruka osoba biti stvarna?

Vremenom, generator može postati tako dobar u stvaranju slika koje diskriminator ne može pronaći. U suštini, generator je naučen da prepozna, a zatim stvori realistične varijacije.

Tehnologija je postala jedan od najperspektivnijih dostignuća u AI u protekloj deceniji, sposobna da pomogne mašinama da daju rezultate koji prevare čak i ljude.

Pet uspjeha iz 2018. godine u istraživanju u medicinskoj fizici i biofizici

EXPLORER PET / CT proizvodi prve skenove ukupnog tijela

EXPLORER PET / CT skener – prvi sistem za medicinske snimke na svijetu koji može snimiti 3D sliku čitavog ljudskog tijela istovremeno – proizveo je svoje prve ljudske slike. Razvijen od strane naučnika UC Davisa i multinacionalnog konzorcijuma, EXPLORER može skenirati do 40 puta brže ili koristiti do 40 puta manje doze zračenja od trenutnih PET sistema, omogućavajući ponovnu studiju kod pojedinca ili dramatično smanjenje doza u pedijatrijskim studijama. Skener sa visokom osjetljivošću može takođe napraviti filmove koji prate radioaktivno označene lijekove dok se kreću oko tijela.


Vještačka inteligencija predviđa evoluciju raka

Stalna promjena prirode tumora je veliki izazov u liječenju karcinoma. Ako ljekari mogu predvidjeti kako će se tumor razviti, mogli bi promijeniti liječenje prije nego što tumor ima priliku da se prilagodi i razvije otpor. Tim pod vodstvom naučnika na Institutu za istraživanje raka i Univerziteta u Edinburgu koristio je vještačku inteligenciju kako bi predvidio kako će se rak razvijati. Oni su razvili tehniku zvanu REVOLVER (ponovljena evolucija kancera), koja izbacuje obrasce u mutaciji DNK u raku i koristi ove informacije za prognoziranje budućih genetskih promjena.


Kompenzator proširuje globalni pristup naprednoj radioterapiji

Modulisana radioterapija intenziteta (IMRT) je tehnika preciznog tretmana koja koristi složene multileaf kolimatorje (MLCs) za oblikovanje fotonskog zraka i rezerviše više zdravog tkiva. Međutim, dok je IMRT dostupan u suštini svim klinikama za radioterapiju u zemljama sa visokim dohotkom, u velikim je oblastima u zemljama sa niskim i srednjim prihodima. Da bi se riješio ovaj nedostatak, tim koji je bio na čelu u Medicinskom centru Univerziteta u Vašingtonu razvio je ekonomičniju alternativu MLC-u, zamjenjuje ga sa prstenom kompenzatora napravljenim od laganih plastičnih kalupa ispunjenih olakšavajućim perlama kao što su volframove perle. Predloženi uređaj može se naknadno ugraditi na postojeće jedinice za linetsko i kobalt teletherapiju – dozvoljavajući klinikama da dodaju IMRT bez potrebe za kupovinom novog sistema za tretman.

Slika: Planovi liječenja IMRT-a za linijski 6 MV linije (top) i 60Co teleterapije korišćeni sa kompenzatorom (dno) za slučaj glave i vrata. (Ljubaznošću: Mediz. 10.1002 / mp.12985 © John Wiley & Sons)

Precizan detektor protona se sprema za kliniku

Tačnost protonske terapije ograničena je neizvjesnošću u rasponu snopa i, trenutno, margina oko tumora je ozračena kako bi se osigurala pokrivenost tumora. Da bi se smanjila potreba za ovom marginom, tim u MGH i Harvard Medical School razvija detektor protonskog opsega zasnovan na realnom vremenu detekcije brzih gama zraka proizvedenih kada protoni interaguju sa tkivom kod pacijenta. Testovi na fantomima pokazali su da detektor može predvidjeti svaku tačku protonskog snopa sa srednjom preciznošću od 1,1 mm. Tim radi na integraciji svog detektora u klinički tok rada, sa dugoročnim ciljem pružanja povratnih informacija u toku protonske terapije.


Aktiviranje matičnih ćelija mrežnice vraća vid u miševima

Međunarodna saradnja u istraživanju uspješno je vratila viziju kod miševa aktiviranjem matičnih ćelija retinalnih organa, koji nikada ranije nije postignut. Pristup bi jednog dana mogao transformisati liječenje bolesnika sa degenerativnim bolestima retinalnih organa, koje trenutno nemaju nikakav lijek. Da bi se to postiglo, tim je izvršio dvostepeni prenos gena za reprogramiranje Müller glia ćelija kod slijepih miševa. Između četiri i šest sedmica nakon reprogramiranja, slijepi miševi su mogli osjetiti svjetlost i vratili su svoj vid. Istraživači napominju da su potrebni dodatni testovi za određivanje stepena poboljšanja vida.

Izvor: https://physicsworld.com/a/2018-breakthrough-of-the-year-tami-freemans-shortlist/