วิธีใหม่ในการพิมพ์เนื้้อเยื่อมนุษย์จากเครื่องพิมพ์ 3 มิติ ที่ใกล้เคียงกับของจริงมากขึ้น

ภาพจาก UPI

นักวิจัยของมหาวิทยาลัย Carnegie Mellon ได้พัฒนาแนวทางใหม่ในการพิมพ์สามมิติทางชีววิทยา ที่แก้ไขปัญหาที่เกิดจากน้ำหนักของไบโอลิงค์ (bioink) วิธีนี้เรียกว่า Freefrom Reversible Embedding of Suspended Hydrogels ซึ่งทำงานโดยการพิมพ์ 3 มิติใน "อ่างรองรับ (support bath)" ซึ่งจะเก็บไบโอลิงค์ไว้จนกว่าจะจัดสภาพแวดล้อมที่รักษาความมีชีวิตของเซลล์เอาไว้ได้มากที่สุด การใช้อ่างรองรับจะเอาชนะความท้าทายของการพิมพ์ 3 มิติของวัสดุที่อ่อนนุ่มในอากาศ เนื่องจากแรงโน้มถ่วงจะทำให้ไบโอลิงค์ที่อ่อนนุ่มและเหลวที่ถูกส่งเข้ามาพิมพ์ทีละชั้น มีรูปร่างที่บิดเบี้ยวไป  แม้ว่าเทคโนโลยีนี้จะถูกนำมาใช้ในการพิมพ์ลิ้นหัวใจที่ใช้งานได้แต่ Daniel J. Shiwarski จาก Carnegie Mellon กล่าวว่าการใช้เนื้อเยื่อที่พิมพ์ขึ้นนี้ในทางคลินิกยังคงต้องใช้เวลาอีกหลายปี

อ่านข่าวเต็มได้ที่: UPI

การศึกษาพบว่า Apple Watch สามารถทำนายผลการวินิจฉัยโรค COVID-19 ได้ล่วงหน้าหนึ่งสัปดาห์ก่อนการทดสอบจริง

Image Credits: Brian Heater

นักวิจัยจาก Mount Sinai Health System พบว่าการวินิจฉัยว่าผลการทดสอบ COVID-19 เป็นบวก (ติดเชื้อ) หรือไม่ โดยใช้แอพ Apple Watch และ iPhone โดยทำนายได้ล่วงหน้าถึงหนึ่งสัปดาห์ก่อนการทดสอบด้วยการทำสว็อบเทสต์ (swab test)  ผู้เข้าร่วมทดสอบซึ่งประกอบด้วยเจ้าหน้าที่ดูแลสุขภาพหลายร้อยคนที่ Mount Sinai ใช้แอพนี้สำหรับการติดตามและรวบรวมข้อมูลสุขภาพ และกรอกแบบสำรวจรายวันเกี่ยวกับอาการสำคัญของ COVID-19 ที่อาจเกิดขึ้น และปัจจัยอื่น ๆ เช่นความเครียด สิ่งที่นักวิจัยให้ความสนใจเป็นพิเศษคือความแปรปรวนของอัตราการเต้นของหัวใจ (HRV) ซึ่งเป็นตัวบ่งชี้สำคัญของความเครียดในระบบประสาทร่วมกับข้อมูลรายงานอาการที่เกิดขึ้น  เพื่อทำนายการติดเชื้อ COVID ล่วงหน้า นักวิจัยพบรูปแบบ HRV ของผู้เข้าร่วมในระยะหนึ่งถึงสองสัปดาห์หลังจากการทดสอบแล้วว่าติดเชื้อ นักวิจัยเชื่อว่าการค้นพบนี้อาจเป็นประโยชน์ในการแยกบุคคลออกจากผู้อื่นที่มีความเสี่ยง โดยไม่ต้องตรวจร่างกายหรือทำสว็อบเทสต์

อ่านข่าวเต็มได้ที่: TechCrunch

นักวิจัยแฮกบริษัทเทคโนโลยีกว่า 35 บริษัทโดยใช้วิธีใหม่ที่เรียกว่าการจู่โจมห่วงโซ่อุปทาน

 

ภาพจาก BleepingComputer

Alex Birsan นักวิจัยด้านความปลอดภัยเปิดตัวการจู่โจมใหม่ที่เรียกว่าการโจมตีห่วงโซ่อุปทานซอฟต์แวร์ ที่สามารถเจาะเข้าสู่ระบบภายในของบริษัทยักษ์ใหญ่กว่า 35 แห่งรวมถึง Microsoft, Apple, PayPal, Shopify, Netflix, Yelp, Tesla และ Uber การโจมตีดังกล่าวเกี่ยวข้องกับการอัปโหลดมัลแวร์ไปยังที่เก็บ (repository) แบบโอเพนซอร์สเช่น PyPI, npm และ RubyGems จากนั้นจะกระจายต่อไปยังแอปพลิเคชันภายในของ บริษัทโดยอัตโนมัติ การโจมตีนี้ผู้ที่เป็นเหยื่อนั้นไม่จำเป็นต้องทำอะไรเลย เพราะวิธีนี้ใช้ประโยชน์จากความสับสนของการขึ้นแก่กัน (dependency confusion) ซึ่งเป็นข้อบกพร่องในการออกแบบที่เป็นเอกลักษณ์ของระบบนิเวศแบบโอเพนซอร์ส Birsan อธิบายว่า "ช่องโหว่หรือข้อบกพร่องในการออกแบบ ในเครื่องมือสร้างหรือติดตั้งอัตโนมัติ อาจทำให้มีการใช้แพ็กเกจแบบสาธารณะแทนแพ็กเกจที่พัฒนาขึ้นเพื่อใช้ภายในบริษัท ที่ใช้ชื่อเดียวกัน" Birsan ได้รับเงินกว่า $ 130,000 เป็นรางวัลจากจากโปรแกรมล่าบั๊ก (bug bounty program) จากงานวิจัยนี้ของเขา

อ่านข่าวเต็มได้ที่: BleepingComputer

AI เอาชนะความไม่เท่าเทียมด้านเชื้อชาติในการดูแลสุขภาพได้หรือไม่

ภาพจาก Getty Images

นักวิจัยจากมหาวิทยาลัยแคลิฟอร์เนียเบิร์กลีย์ (UC Berkeley) ใช้ปัญญาประดิษฐ์ (AI) ในการวิเคราะห์รังสีเอกซ์ (x-ray) เพื่อ "ทำนายประสบการณ์ความเจ็บปวดของผู้ป่วย" ที่โรคข้อเข่าเสื่อม Ziad Obermeyer จาก UC Berkeley กล่าวว่าอัลกอริทึมคาดการณ์สิ่งที่ผู้ป่วยจะพูดเกี่ยวกับประสบการณ์ปวดเข่าของตนเอง และสามารถตรวจจับสิ่งที่นักรังสีวิทยาอาจมองข้าม วิธีที่แพทย์ประเมินความเจ็บปวดเกี่ยวข้องกับการเลือกปฏิบัติและแม้แต่การเหยียดสีผิว เนื่องจากการศึกษาระบุว่าแพทย์มักจะประเมินความเจ็บปวดของคนบางกลุ่มต่ำเกินไป นักรังสีวิทยาที่ตรวจสอบกรณีโรคข้ออักเสบที่ดูเหมือนคล้ายกันกล่าวว่า คนผิวดำรายงานว่ามีอาการปวดมากกว่าคนผิวขาว อัลกอริทึมของ UC Berkeley ยังนำมาใช้กับคุณสมบัติที่ไม่ได้รับการวินิจฉัย เพื่อทำให้เห็นว่าคนไข้แต่ละรายนั้นมีความคล้ายคลึงกันน้อยกว่าที่เราคิดว่าเป็น Sandra Hobson จาก Emory University กล่าวว่า "ฉันคิดว่า AI มีโอกาสที่จะช่วยรวมข้อมูลซึ่งรวมถึงผู้ป่วยจากทุกภูมิหลัง จากทุกส่วนของประเทศทั่วโลก และช่วยนำข้อมูลเหล่านั้นมาใช้ร่วมกันเพื่อทำให้ได้ข้อมูลที่สมเหตุสมผลมากขึ้น"

อ่านข่าวเต็มได้ที่: BBC News

ป้ายกำกับในชุดข้อมูลด้าน Computer Vision แสดงความหลากหลายทางเชื้อชาติได้ไม่ดี

Image Credit: SDI Productions

การศึกษาของนักวิจัยจาก Northeastern University ระบุว่าป้ายกำกับ (label) ในชุดข้อมูลด้าน Computer Vision ของคอมพิวเตอร์ไม่น่าเชื่อถือในฐานะที่เป็นตัวบ่งชี้ตัวตน ในการวิเคราะห์ชุดข้อมูล FairFace, BFW, RFW และ LAOFIW นักวิจัยระบุว่ามีการใช้ป้ายกำกับด้านเชื้อชาติกับงานด้าน Computer Vision โดยไม่มีคำจำกัดความ หรือมีเพียงคำจำกัดความที่หลวม ๆ หรือคลุมเครือ นักวิจัยยังอ้างถึงการใช้ป้ายกำกับ "Indian / South Asian" ของชุดข้อมูลว่าเป็นตัวอย่างของข้อบกพร่องของหมวดหมู่เชื้อชาติ 

นักวิจัยบอกว่า "เราสามารถพิจารณาขยายจำนวนหมวดหมู่เชื้อชาติที่ใช้ออกไปได้ แต่หมวดหมู่ทางเชื้อชาติจะไม่สามารถแสดงออกถึงบุคคลหลายเชื้อชาติหรือบุคคลที่คลุมเครือทางเชื้อชาติได้เสมอไป" นักวิจัยยังพบว่า ใบหน้าในชุดข้อมูลที่วิเคราะห์นั้นเป็นจุดที่เป็นความเห็นแย้งกันทางเชื้อชาติ ในหมู่ผู้มีหน้าที่ให้คำนิยามและเตือนว่าอคติการติดป้ายกำกับใบหน้าเหล่านี้ อาจถูกนำไปใช้ซ้ำและขยายขอบเขตออกไปได้เรื่อย ๆ หากไม่ได้รับการแก้ไข

อ่านข่าวเต็มได้ที่: VentureBeat