Adnodd diagnostig newydd a allai gyflwyno canlyniadau prawf iechyd mewn dwy funud gan ddefnyddio sampl blaen bys – ymchwilwyr yn datblygu prawf o gysyniad.
Mae gwyddonwyr ym Mhrifysgol Abertawe sy'n datblygu platfform a fyddai'n defnyddio deallusrwydd artiffisial i gyflymu'r broses o ganfod biofarcwyr mewn biohylifau wedi dangos y gallai'r cysyniad weithio. Byddai'n arwain at ganlyniadau prawf cyflymach ar gyfer cyflyrau iechyd megis anhwylderau cardiofasgwlaidd, ansawdd cymalau a chlefyd Alzheimer.
Gallai'r adnodd diagnostig newydd hwn weddnewid y sector gofal iechyd drwy roi math o ddeallusrwydd artiffisial ar waith – sef dysgu peirianyddol. Mae rhoi dysgu peirianyddol ar waith wedi'i gwneud yn bosib, am y tro cyntaf, i ganlyniadau gael eu cyflwyno o fewn munudau.
Mae biohylifau megis hylif synofaidd, plasma gwaed a phoer yn cynnwys proteinau sy'n fiofarciwr pwysig at ddiben diagnosio sawl cyflwr iechyd. Mae'r platfform a ddyluniwyd yn arbennig wedi cael ei raglennu i ganfod crynodiadau o'r proteinau hyn er mwyn helpu i ddiagnosio a monitro datblygiad clefydau.
Mae'r ymchwil yn datgan y gellid lleihau amseroedd aros yn sylweddol mewn ysbytai ac mae hunansgrinio a hunanfonitro bellach yn bosib, yn ogystal â'r potensial ar gyfer pecynnau diagnostig gartref yn y dyfodol.
Meddai Dr Francesco Del Giudice, arweinydd y prosiect:
“Mae technolegau presennol ar gyfer mesur macrofoleciwlau mewn biohylifau yn gyfyngedig; mae angen amser gweithredu hir neu brotocolau cymhleth arnynt, gan alw am fethodolegau eraill sy'n fwy addas at ddibenion mesuriadau o'r fath.
“Yn ein hymchwil, gwnaethon ni ystyried a allen ni ganfod yn gyflym grynodiad gwahanol o facrofoleciwlau mewn toddiant ar dymereddau gwahanol, gan ddefnyddio sampl 100ml (sy’n cyfateb i ddau ddiferyn o waed) yn unig. Y peth mwyaf arloesol yw cyflwyno canlyniad o fewn dwy funud, sy'n gam ymlaen o gymharu'r broses â phrofion safonol a all gymryd sawl awr.
“Ystyr hyn i'r dyfodol yw y gellir datblygu ein hastudiaeth prawf o gysyniad ymhellach ar ffurf adnodd i helpu clinigwyr i wneud penderfyniadau ar ddata clinigol yn gyflym. Rydyn ni hefyd yn rhagweld y caiff hyn ei ddatblygu ymhellach ar gyfer platfform diagnostig hunansgrinio yn y man lle rhoddir gofal gartref.”
Meddai Dr Claire Barnes, un o gyd-awduron y gwaith:
“Mae gallu deallusrwydd artiffisial i leihau'r amser y mae ei angen i gwblhau tasgau amrywiol wedi cael ei ddangos ar draws nifer o ddisgyblaethau. Gwnaeth mantais y cyflymder a gynigiwyd drwy roi dysgu peirianyddol ar waith ein galluogi i addasu bron ar unwaith y paramedrau arbrofol er mwyn cyflawni gofynion y model damcaniaethol sy’n gysylltiedig â'r gwaith hwn.
“Er ein bod ni ar hyn o bryd yn defnyddio dysgu peirianyddol at ddibenion awtomeiddio ein gwaith, mae'r gallu i ddefnyddio llawer iawn o ddata er mwyn efelychu agweddau ar ddeallusrwydd a rhesymeg pobl – gan alluogi system i ddysgu, rhagfynegi a gwneud argymhellion – yn rhywbeth yr hoffen ni ei archwilio ymhellach a bydd yn sail i'n gwaith yn y maes hwn yn y dyfodol.”
Mae'r papur, Rapid Temperature-Dependent Rheological Measurements of Non-Newtonian Solutions Using a Machine-Learning Aided Microfluidic Rheometer, wedi'i gyhoeddi yn Analytical Chemistry.
Ariennir rhaglen IMPACT yn rhannol gan Gronfa Datblygu Rhanbarthol Ewrop, drwy Lywodraeth Cymru a Phrifysgol Abertawe.