Eine Software mit künstlicher Intelligenz wurde entwickelt, um medizinische Behandlungen mit kaltem atmosphärischem Plasma (CAP), einem Strahl aus elektrisiertem Gas, voranzutreiben. Die von Forschern der Princeton Collaborative Low-Temperature Plasma Research Facility (PCRF) entwickelte Software kombiniert maschinelles Lernen und Physik, um die chemische Zusammensetzung von CAP-Emissionen vorherzusagen. Dieser Durchbruch hat weitreichende Konsequenzen für die Krebsbehandlung, die Förderung des Gewebewachstums und die Desinfektion von Oberflächen.
Vorhersage von CAP-Emissionen mithilfe von KI
Die Software, ein sogenanntes physikbasiertes neuronales Netzwerk (PINN), lernte, die vielfältigen chemischen Emissionen von CAP-Triebwerken vorherzusagen. Dies gelang ihr durch die Analyse von Daten aus realen Experimenten und die Integration grundlegender physikalischer Prinzipien. Diese innovative Anwendung von KI, das sogenannte maschinelle Lernen, ermöglicht es dem System, seine Vorhersagen anhand der bereitgestellten Informationen kontinuierlich zu verbessern.
Kaltes atmosphärisches Plasma: Ein vielseitiges Werkzeug
Kaltes atmosphärisches Plasma (KAP) wird in verschiedenen medizinischen Anwendungen eingesetzt, darunter die Abtötung von Krebszellen, die Wundheilung und die Beseitigung von Bakterien auf Lebensmitteloberflächen. Die genauen Mechanismen hinter diesen Effekten sind jedoch wissenschaftlich noch nicht vollständig erforscht.
Laut Yevgeny Raitses, leitender Forschungsphysiker am Princeton Plasma Physics Laboratory (PPPL) des US-Energieministeriums, stellt die KI-gestützte Software einen wichtigen Schritt zum Verständnis der Funktionsweise von CAP-Jets dar. Dieses neue Verständnis könnte zu einer verfeinerten und effektiveren Nutzung der CAP-Technologie in der Medizin führen.
Eine Gemeinschaftsleistung
Das Projekt war eine Kooperation zwischen Forschern des PPPL und der George Washington University (GWU) unter dem Dach der Princeton Collaborative Low-Temperature Plasma Research Facility. Das PPPL, bekannt für seine Pionierarbeit in der Plasmaforschung, hat sein Aufgabenfeld erweitert und integriert nun auch KI-Anwendungen in Bereichen wie Medizin und Fertigung.
Sophia Gershman, leitende Forschungsingenieurin bei PPPL, betonte die Schwierigkeit, die chemische Zusammensetzung von CAP-Jets präzise zu bestimmen, da Wechselwirkungen im Nanosekundenbereich berücksichtigt werden müssen. Maschinelles Lernen bietet eine Lösung für diese Komplexität und ermöglicht präzise Berechnungen, die zuvor praktisch unmöglich waren.
Datengenerierung und Schulung
Das Projekt begann mit einem kleinen Datensatz, der mittels Fourier-Transformations-Infrarotspektroskopie gewonnen wurde. Diese Ausgangsdaten dienten als Grundlage für die Erstellung eines umfangreicheren Datensatzes. Inspiriert von der natürlichen Selektion wurde ein evolutionärer Algorithmus eingesetzt, um das neuronale Netzwerk zu trainieren. Durch sukzessive Iterationen verbesserte das KI-System seine Genauigkeit, indem es die besten Datensätze auswählte und seine Vorhersagen verfeinerte.
Genaue Berechnungen für CAP Jets
Dem Team ist es gelungen, eine Softwarelösung zu entwickeln, die chemische Konzentrationen, Gastemperatur,tron undtron in kalten atmosphärischen Plasmastrahlen präzise berechnen kann. Dieser Erfolg ist besonders bemerkenswert, da CAP-Strahlen extrem heißetronerzeugen können, während andere Partikel nahezu Raumtemperatur aufweisen. Dadurch eignen sie sich für medizinische Anwendungen.
Personalisierte Plasmatherapie in Sichtweite
Michael Keidar, Professor für Ingenieurwesen an der GWU, hob das langfristige Ziel hervor, Echtzeitberechnungen zur Optimierung der CAP-Behandlung während medizinischer Eingriffe zu implementieren. Keidar arbeitet derzeit an einem Prototyp für ein „plasmaadaptives“ Gerät, das individuell auf die Bedürfnisse jedes Patienten abgestimmt werden kann. Durch die Überwachung der Patientenreaktionen und den Einsatz von maschinellem Lernen kann das Gerät die Plasmaeinstellungen anpassen, um die Wirksamkeit zu maximieren.
Diese Studie untersuchte zwar die chemische Zusammensetzung des CAP-Strahls im Zeitverlauf, konzentrierte sich jedoch auf einen einzelnen Punkt im Raum. Zukünftige Forschung muss die Untersuchung auf mehrere Punkte entlang des Strahlaustritts ausweiten. Darüber hinaus ist die Einbeziehung der vom Plasma behandelten Oberflächen in die Analyse entscheidend, um zu verstehen, wie sich dies auf die chemische Zusammensetzung am Behandlungsort auswirkt.
Diese bahnbrechende Forschung, finanziert vom US-Energieministerium und der Princeton Collaborative Research Facility, ebnet den Weg für verbesserte medizinische Behandlungen mit kaltem atmosphärischem Plasma. Durch die Integration von KI eröffnet sich die Hoffnung auf personalisierte und optimierte Plasmatherapien für effektivere Gesundheitslösungen.
