Finally added the "user" button to my #RAK #WisBlock 4631.

Not sure why I waited so long to do so, but I'm glad I finally got a round tuit.

ICAO: 4CA88F
Flt: RYR7KE #RYANAIR #RAK - #BER
First seen: 2025-11-02 12:24:16 CET
Min Alt: 10343 m AGL
Min Dist: 10.57 km

https://globe.adsbexchange.com/?icao=4ca88f&lat=53.219310&lon=6.334507&zoom=12&showTrace=2025-11-02
#adsb #aboveFRL #EHLW

#Mailbag-Video #145 #Review #RakWireless #WisMesh #Tag, #Review und Vergleich mit #Seeed #SenseCAP #T1000E:

--> https://youtu.be/KHqVEwpL1l4

#RAK #SeeedStudio #Tracker #LoRa #Meshtastic #Nordic #nRF52840 #Elektronik #Maker #DIY #MadeInChina #China #868MHz #Jedermannfunk #Node #EDC

ICAO: 4D221A
Flt: RYR7KE #RYANAIR #RAK - #BER
First seen: 2025-10-26 12:14:36 CET
Min Alt: 11569 m AGL
Min Dist: 15.76 km

https://globe.adsbexchange.com/?icao=4d221a&lat=53.171585&lon=6.369873&zoom=12&showTrace=2025-10-26
#adsb #aboveFRL #EHLW

ICAO: 47875A
Flt: NOZ8UE #NORWEGIANAIRSHUTTLE #OSL - #RAK
First seen: 2025-10-25 13:10:38 CEST
Min Alt: 10351 m AGL
Min Dist: 27.15 km

https://globe.adsbexchange.com/?icao=47875a&lat=53.270238&lon=5.548176&zoom=12&showTrace=2025-10-25
#adsb #aboveFRL #EHLW

ICAO: 4CACE0
Flt: RYR41KY #RYANAIR #RAK - #ARN
First seen: 2025-10-23 10:16:13 CEST
Min Alt: 11264 m AGL
Min Dist: 23.51 km

https://globe.adsbexchange.com/?icao=4cace0&lat=53.011322&lon=6.157150&zoom=12&showTrace=2025-10-23
#adsb #aboveFRL #EHLW

ICAO: 4ACA85
Flt: NSZ4528 #NORWEGIANAIRSWEDEN #RAK - #ARN
First seen: 2025-10-23 00:47:19 CEST
Min Alt: 11874 m AGL
Min Dist: 16.86 km

https://globe.adsbexchange.com/?icao=4aca85&lat=52.931896&lon=5.938660&zoom=12&showTrace=2025-10-23
#adsb #aboveFRL #EHLW

ICAO: 4CACE0
Flt: RYR41KY #RYANAIR #RAK - #ARN
First seen: 2025-10-20 10:56:45 CEST
Min Alt: 11264 m AGL
Min Dist: 22.75 km

https://globe.adsbexchange.com/?icao=4cace0&lat=52.962015&lon=6.075910&zoom=12&showTrace=2025-10-20
#adsb #aboveFRL #EHLW

Google DeepSomatic: nowa AI do precyzyjnego tropienia genetycznych przyczyn raka

Naukowcy z Google zaprezentowali nowe narzędzie oparte na sztucznej inteligencji, nazwane DeepSomatic.

To już kolejny w ostatnim czasie pozytywny przykład wykorzystania zaawansowanych modeli AI w naukach medycznych. Jak informowaliśmy niedawno, inny model Google – C2S-Scale – pomógł naukowcom z Yale odkryć potencjalnie nową ścieżkę leczenia raka.

Sztuczna inteligencja, która leczy? Jak model od Google DeepMind i Yale wskazał nowy kierunek w walce z rakiem

DeepSomatic skupia się na równie krytycznym, a może nawet wcześniejszym etapie: fundamentalnej diagnostyce i zrozumieniu, co napędza nowotwór. Jego zadaniem jest precyzyjna identyfikacja mutacji genetycznych w komórkach nowotworowych, co stanowi fundament nowoczesnej medycyny onkologicznej. Model, którego szczegóły opublikowano w prestiżowym czasopiśmie „Nature Biotechnology”, jest już dostępny na zasadach open-source.

Co się popsuło?

Podstawą skutecznego leczenia onkologicznego jest zrozumienie, co dokładnie „zepsuło się” w komórce i napędza niekontrolowany wzrost guza. W tym celu lekarze regularnie sekwencjonują genomy komórek nowotworowych, szukając konkretnych mutacji. Problem w tym, że proces ten jest obarczony błędami, a odróżnienie faktycznej, groźnej mutacji od zwykłego błędu odczytu (artefaktu sekwencjonowania) bywa niezwykle trudne.

Większość nowotworów jest napędzana przez tzw. warianty somatyczne – czyli mutacje nabyte w ciągu życia (np. pod wpływem promieniowania UV, czy innych czynników kancerogennych lub losowych błędów przy kopiowaniu DNA), a nie odziedziczone po rodzicach. Warianty te często występują w niewielkim odsetku komórek guza, co sprawia, że ich sygnał ginie w „szumie” generowanym przez samą maszynę do sekwencjonowania.

Dane na obraz

DeepSomatic podchodzi do tego problemu w nowatorski sposób. Zamiast analizować surowe dane tekstowe, model konwertuje dane z sekwencjonowania na obrazy. Te graficzne reprezentacje genomu są następnie analizowane przez głębokie sieci neuronowe (CNN), które zostały wytrenowane w rozpoznawaniu wizualnych wzorców charakterystycznych dla błędów oraz tych typowych dla prawdziwych mutacji. AI porównuje dane z komórek guza i komórek zdrowych pacjenta, precyzyjnie wskazując różnice. Co ważne, model potrafi działać także w trybie „tylko guz” (tumour-only), co jest kluczowe np. w przypadku białaczek, gdzie pobranie zdrowej próbki bywa niemożliwe.

Aby osiągnąć taką dokładność, Google wraz z partnerami z UC Santa Cruz Genomics Institute stworzyło referencyjny zbiór danych (benchmark CASTLE) oparty na próbkach raka piersi i płuc. W testach model AI DeepSomatic okazał się znacznie skuteczniejszy od dotychczasowych metod. W przypadku identyfikacji złożonych mutacji na popularnej platformie Illumina, AI osiągnęło wynik 90% (w skali F1-score) w porównaniu do 80% dla najlepszej konkurencyjnej metody. Na platformie Pacific Biosciences przewaga była miażdżąca: ponad 80% dla DeepSomatic wobec mniej niż 50% dla innych narzędzi.

Narzędzie udowodniło też swoją skuteczność na próbkach trudnych do analizy, np. zakonserwowanych parafiną (co uszkadza DNA) oraz pochodzących z tańszego, tzw.  sekwencjonowania egzonowego. Model potrafi również stosować swoją „wiedzę” do typów nowotworów, na których nie był trenowany – z powodzeniem zidentyfikował mutacje w glejaku (agresywny rak mózgu) oraz znalazł nowe, nieznane wcześniej warianty w próbkach białaczki dziecięcej.

Wreszcie najważniejsze: Google udostępniło DeepSomatic oraz dane treningowe za darmo, licząc na przyspieszenie rozwoju medycyny precyzyjnej.

Sztuczna inteligencja na dyżurze. Czy technologia może pomóc odciążyć medyków?

#AI #C2SScale #DeepSomatic #genetyka #Google #medycyna #mutacjeSomatyczne #news #nowotwory #onkologia #rak #sztucznaInteligencja