۰
plusresetminus
يکشنبه ۲۹ بهمن ۱۴۰۲ ساعت ۰۹:۵۱

پیش‌بینی زودهنگام زوال عقل با کمک هوش مصنوعی

ایتنا - سال‌هاست که دانشمندان در تلاش هستند مکانیزمی ایجاد کنند که در آن تشخیص زودهنگام به پیش‌بینی یا به تاخیر انداختن علائم زوال عقل کمک کند؛ اکنون دانشمندان چینی از بانک اطلاعاتی بزرگ و هوش مصنوعی برای پیش‌بینی زوال عقل ۱۵ سال قبل از شروع علائم استفاده می‌کنند.
پیش‌بینی زودهنگام زوال عقل با کمک هوش مصنوعی

زوال عقل، اصطلاح کلی است که در آن سلول‌های عصبی مغز طی یک دوره زمانی از بین می‌روند یا آسیب می‌بینند و باعث اختلال در تفکر، حافظه و تصمیم‌گیری می‌شوند که در عملکرد روزانه مغز اختلال ایجاد می‌کند.

پژوهش جدیدی که توسط محققان بریتانیایی و چینی انجام شده است به خوبی نشان می‌دهد که چگونه پروفایل پروتئین‌های خون تا ۱۵ سال قبل از تشخیص بیماری، زوال عقل را به دقت پیش‌بینی می‌کند. دانشمندان چینی می‌گویند با تجزیه و تحلیل نمونه خون بیمار، گام بزرگی در جهت پیش‌بینی خطر ابتلا به زوال عقل تا یک دهه و نیم قبل از شروع علائم برداشته‌اند.

دانشمندان از پایگاه داده بیش از ۵۰ هزار نفر برای شناسایی پروتئین‌های مرتبط با خطر ابتلا به انواع مختلف زوال عقل استفاده و گروه تحقیق با کمک هوش مصنوعی مدل پیش‌بینی برای ارزیابی خطر بیماری ایجاد کردند.

دانشمند ارشد این پژوهش، یو جین تای، استاد عصب‌شناسی در بیمارستان هاوشن‌شان وابسته به دانشگاه فودان اظهار کرد: استفاده از هوش مصنوعی یکی از عوامل کلیدی برای موفقیت این تحقیق بود.

این گروه پژوهشی با استفاده از استراتژی مبتنی بر داده، به‌طور ابتکاری بیومارکرهای مهم پلاسما را برای پیش‌بینی زوال عقل در آینده شناسایی کردند. آزمایش‌های خون برای تشخیص انواع زوال عقل مانند آلزایمر در حال افزایش است و از یک قطره خون افراد می‌توانند تشخیص دهند که آیا بروز علائم آغاز شده و فرد به این بیماری مبتلا است یا خیر.

اما دانشمندان اهداف بزرگتری برای ابزارهای نشانگر زیستی خون در ذهن دارند، مانند استفاده از آنها برای پیش‌بینی دقیق اینکه آیا بیمار ممکن است در آینده به این بیماری مبتلا شود، حتی قبل از اینکه علائم بالینی را نشان دهد.

به گفته پژوهشگران، هیچ درمانی برای زوال عقل وجود ندارد و توانایی درک اینکه آیا فرد می‌تواند به آن مبتلا شود یا خیر، ممکن است به تشخیص و مداخله زودهنگام کمک کند.

مطالعه گسترده پروتئین‌ها - که پروتئومیکس نیز نامیده می‌شود – می‌تواند برای یافتن داروها یا مداخلات تشخیصی احتمالی برای بیماری‌ها و درک بهتر نحوه عملکرد بدن انسان مورد استفاده قرار گیرد با این حال، گروه پژوهشی ثابت کرد که مطالعه سیستماتیک پروتئین‌ها در خون به دلیل «محدودیت‌های فنی» و فقدان روش‌های مقایسه دشوار است.

پژوهشگران برای غلبه بر این موانع، از هم گروه عظیم بیوبانک بریتانیا استفاده کردند که بیش از ۵۰هزار نفر را در سنین ۴۰ تا ۶۹ سال ثبت‌نام کرده و دوره پیگیری متوسط ۱۴ ساله را از اواسط دهه ۲۰۰۰ ثبت کرده است.

بیش از ۱۴۰۰ نفر از افراد گروه زیستی بانک - که همگی نمونه‌های بیولوژیکی و اطلاعات جمعیت‌شناختی را ارائه کردند - طی ۱۰ سال پس از جمع‌آوری داده‌های اولیه، دچار زوال عقل شدند. به تازگی این بانک زیستی مجموعه داده جدیدی  بیش از ۱۴۰۰ پروتئین پلاسما یا خون را منتشر کرده که در نمونه‌های شرکت‌کنندگان در جلسات دریافت اولیه و پیگیری یافت شده است.

این پژوهش می‌گوید: این انتشار داده‌ها فرصتی بی‌سابقه برای انجام پژوهش پروتئومیکس روی پروتئین‌های خون مرتبط با ایجاد زوال عقل ارائه کرده است.

آنان گفتند که این مورد به آنان اجازه می‌دهد که مسیر پروتئین‌های پلاسما را از زمان تشخیص زوال عقل ردیابی و زمانی که هر پروتئین شروع به انحراف از مقادیر کنترل طبیعی می‌کند را  ارزیابی کنند.

دانشمندان صدها پروتئین مرتبط را پیدا کردند اما مطالعه خود را بر روی تعداد انگشت‌شماری از پروتئین‌های مهم متمرکز کردند که مشخص شد حداقل یک دهه قبل از شروع بالینی زوال عقل شروع به تغییر در بیان خود کرده‌اند.

یو گفت که این پروتئین‌ها با استفاده از الگوریتم هوش مصنوعی به نام ماشین تقویت کننده گرادیان نو، که از یادگیری ماشینی برای غربالگری پروتئین ها و ترکیباتی که بیشترین ارتباط را با خطر زوال عقل دارند، مورد ارزیابی قرار دادند.

الگوریتم یادگیری ماشین برای تعیین این مورد استفاده شد که کدامیک از پروتئین‌ها، مدل پیش‌بینی بهتری ایجاد کرده است سپس در برابر داده‌های بانک زیستی که نشان می‌داد کدام افراد مبتلا به زوال عقل هستند، ارزیابی شد.

یو گفت: این الگوریتم که نقشی «حیاتی» در این تحقیق ایفا کرده است، «قابلیت‌های تشخیص و پیش‌بینی الگوی قدرتمندی» داشت که امکان غربالگری کارآمدتر مجموعه داده‌های مقیاس بزرگ را فراهم می‌کرد.

به گفته این گروه تحقیق، گنجاندن داده‌های پروتئین به خودی خود در یک مدل پیش‌بینی بعید است که به بالاترین دقت پیش‌بینی دست یابد.

دانشمندان برای توسعه «الگوریتم پیش‌بینی بهینه غیر تهاجمی، مقرون‌به‌صرفه و در دسترس»، داده‌های مربوط به پروتئینی به نام GFAP را با اطلاعات جمعیت‌شناختی مانند سن و جنسیت ترکیب کردند؛ آنان دریافتند که این پروتئین با بیش از دو برابر خطر ابتلا به زوال عقل مرتبط است.

بر اساس این نتایج، مدل نهایی پیش‌بینی ترکیبی آنان نویدبخش توانایی ارائه «پیش‌بینی دقیق زوال عقل در آینده، حتی بیش از ۱۰ سال قبل از تشخیص» است.

در مقایسه با اسکن‌های تصویربرداری یا ضربه‌های ستون فقرات که برای غربالگری افراد از نظر خطر بیماری استفاده می‌شود، روش آنان همچنین می‌تواند مزایای هزینه قابل توجهی ارائه دهد.

این گروه گفت: محدودیت‌هایی در مطالعه آن‌ها وجود دارد زیرا بیش از ۹۰ درصد از گروه زیست‌بانک را افراد با نژاد سفید تشکیل می‌دهند بنابراین نماینده جهان نیستند. پروتئین‌های مورد بررسی همچنین کل پروتئوم انسان را درگیر نمی‌کنند. لازم به‌ذکر است، به کلیه پروتئین‌هایی که در یک سلول در یک زمان مشخص بیان می‌شود، پروتئوم آن سلول گفته می‌شود.

با این حال، یو گفت که این گروه اکنون در حال انجام تحقیقاتی بر روی گروهی از چینی‌ها هستند که به آن‌ها امکان می‌دهد شباهت‌ها و تفاوت‌ها را با پایگاه داده مستقر در بریتانیا بررسی کنند و تاکنون سرنخ هایی برای توسعه تحقیق یافت شده است.

درمان‌ها و استراتژی‌های مداخله‌ای جدید همچنین از این بانک زیستی برای بررسی سایر شرایط مرتبط با مغز مانند افسردگی و بیماری پارکینسون استفاده می‌کنند.

منبع: ایسنا
کد مطلب: 77406
نام شما
آدرس ايميل شما

بنظر شما مهم‌ترین وظیفه دولت جدید در حوزه IT چیست؟
حمایت از بخش خصوصی حوزه فاوا
افزایش سرعت اینترنت
کاهش تعرفه اینترنت
رفع فیلترینگ