Jyväskylän yliopiston tutkijat opettivat tekoälytietokoneen laskemaan soluja histopatologisista syöpäkasvainkuvista. Näin tutkijat ottivat ensiaskeleen kohti tekoälyyn pohjautuvaa digitaalista palvelukeskusta. Perinteisessä histopatologien työssä lääkäri tai patologi analysoi kasvainkudosnäytteen visuaalisesti ohjelmistojen avulla. Tekoälyn avulla tunnistus tapahtuu merkittävästi nopeammin.
Jyväskylän yliopiston informaatioteknologian tiedekunnan tutkijat kehittivät neurolaskentamallin, joka testien perusteella pystyy pelkän digitaalisen kuvan perusteella määrittämään esimerkiksi T-solujen määrän syöpäkudoksesta muutaman prosentin tarkkuudella.
Tutkimusaineistona oli 5 523 kuvaa (yhden kuvan koko on 1472 x 921 pikseliä) suolistosyöpäkasvaimista, joiden T-solulukumäärä oli määritetty visualisointiohjelmiston avulla histopatologien toimesta. Solumäärän laskeminen onnistui yli 90 prosentissa tapauksista.
Pienessä määrässä kuvia määrityksessä tuli vielä virheitä eikä neuroverkko laskennan aikana tunnistanut soluja oikein. Syynä tähän voi olla, että neuroverkon opettamisessa käytetyssä aineistossa on virheitä. Tällöin lisänäytteiden myötä menetelmän tarkkuus paranee ja neuroverkko voi lopulta olla jopa nykyisiä menetelmiä tarkempi.
Tekoälyn avulla voidaan nopeuttaa ihmiselle työläitä vaiheita tutkittaessa kasvainten ominaisuuksia, kuten esimerkiksi T-solujen määrän laskeminen kasvainkudoksesta. Tällöin lääkärien ja patologien aikaa vapautuu sairauden tutkimisen ja hoidon kannalta oleellisempiin asioihin.
Menetelmien avulla voidaan tulevaisuudessa tehostaa esimerkiksi biopankkeihin kertyvien tietomassojen hyödyntämistä ja täten edistää hoitomenetelmien kehittämistä eri syöpäsairauksiin.
- Neuroverkkojen opettaminen tapahtui Jyväskylän yliopiston informaatioteknologian tiedekunnan sote-datan analysointia varten rakennetussa suljetussa tekoälylaskentaympäristössä, jossa tutkijoiden käytössä on esimerkiksi tehokas IBM Power 9 tekoälytietokone. Neuroverkkojen avulla yksi näytekuva voidaan analysoida tehokkaassa laskentaympäristössä sekunneissa, mikä tarkoittaisi, että vuorokaudessa voidaan analysoida jopa tuhansia näytteitä. Pilottimme tulokset täytyy kuitenkin vielä validoida uudella riippumattomalla aineistolla, kertoo tutkimusta vetänyt dosentti Sami Äyrämö.
Autoteollisuus on siirtymässä yhä monimutkaisempiin ohjelmistopohjaisiin järjestelmiin, joissa virheetön ohjelmisto on elintärkeää turvallisuuden ja suorituskyvyn varmistamiseksi. Ohjelmiston laatu ja luotettavuus eivät ole enää vain valinnaisia ominaisuuksia, vaan kriittisiä vaatimuksia erityisesti autonomisessa ajamisessa, kehittyneissä kuljettajaa avustavissa järjestelmissä (ADAS) ja yhdistetyissä ajoneuvojärjestelmissä.
Kestävä digitaalinen infrastruktuuri on kriittinen, jotta tietoliikenneverkot voidaan tehokkaasti valjastaa tekoälyinnovaatioiden ja pilvipohjaisten palveluiden tarpeisiin. Tekoälyyn liittyvien datarikkaiden sovellusten lisääntyvä kysyntä edellyttää tietoliikenneverkkoa, joka kykenee käsittelemään suuria tietomääriä alhaisella viiveellä, kirjoittaa Orange Businessin kumppaniratkaisuista vastaava Carl Hansson.
Euroopan unioni ottaa merkittävän askeleen avaruusteknologian kehittämisessä allekirjoittamalla sopimuksen uuden IRIS²-satelliittijärjestelmän toteuttamisesta. Tämä 290 satelliitin verkko on suunniteltu vahvistamaan Euroopan itsenäisyyttä ja turvallista yhteydenpitoa.
Jotta voidaan vastata uuden teknologian vaatimuksiin ja pitää järjestelmät toimimassa ”kellon tavoin”, on aika harkita ajoitusratkaisuja uudelleen. Tässä kaksiosaisessa "Precision Timing" -artikkelissa opit, miksi mikroelektromekaanisiin järjestelmiin eli MEMS-komponentteihin perustuvat piiajoituslaitteet päihittävät kvartsin elektroniikkasuunnittelun uudella aikakaudella. 
Matalatehoisten langattomien ratkaisujen asiantuntija Nordic Semiconductor ja eSIM-ratkaisuja kehittävä Kigen ovat julkistaneet yhteistyön, joka sujuvoittaa massiivisten IoT-verkkojen käyttöönottoa. Yhdessä he esittelevät CES 2025 -messuilla ratkaisun, joka yhdistää Nordic Semiconductorin nRF9151-moduulin ja Kigenin SGP.32 IoT eSIM-teknologian sekä laitteiden hallinta-alustan.
