تشخیص بیماری های عصبی به کمک هوش مصنوعی

دانشمندان برای نخستین بار توانستند به وسیلهی نمونهگیری از خون بیمار و بر پایهی هوش مصنوعی، میزان پیشروی بیماریهای تحلیلبرندهی عصبی در بیمار را تشخیص دهند. در این پژوهش، از خون بیماران زیادی نمونه گرفته شد و به کمک الگوریتمهای یادگیری ماشین، الگوهای مولکولی و بیان ژنها در بیماران به دست آمد. سپس بر اساس الگوهای به دست آمده، پیشرفت بیماری در افراد و نحوهی درمان متناسب با شرایط بیماران مشخص شد.
پیشروی بیماریهای تحلیلبرندهی عصبی به کندی صورت میگیرد و حتی تا دهها سال طول میکشد. همچنین این بیماریها فرد محور هستند و ممکن است با سایر فرآیندهای پیری همراه شوند. در حال حاضر توان تحلیل مکانیسمهای مولکولی بیماریهای تحلیلبرندهی عصبی وجود ندارد. تمامی این عوامل سبب شدهاست که پیشبینی پیشرفت این بیماریها سخت باشد.
مطالعهی جدیدی که در این زمینه انجام شدهاست، نشان میدهد که از طریق بررسی نمونههای خونی افراد به کمک هوش مصنوعی، میزان پیشروی این بیماریها میتواند پیشبینی شود. محققان در این مطالعه، نمونههای خونی و همچنین نمونههای مغزی بعد از مرگ افراد مبتلا به آلزایمر و هانتینگتون را با الگوریتمهای هوش مصنوعی مورد بررسی قرار دادند. هدف این مطالعه به دست آوردن الگوی مولکولی اختصاصی این بیماریها بود که از طریق دادههای طولی بیان ژنها انجام پذیرفت.
در این پژوهش ۱۹۶۰ بیمار که در سنین بالا به آلزایمر یا هاتینگتون دچار شدهبودند، مورد ارزیابی قرار گرفتند و محققان از شیوهی جدیدی برای بررسی الگوی بیان ژنی این افراد استفاده کردند. آنها از یک الگوریتم یادگیری ماشین از نوع یادگیری نظارت نشده استفاده کردند و به وسیلهی آن شدت بیماریهای عصبی را توانستد تشخیص دهند. این الگوریتم میتواند نشان دهد که چگونه الگوی بیان ژنها در فرد بیمار در طی دهها سال تغییر میکند و به این ترتیب برای نخستین بار این امکان را فراهم میکند که تغییرات مولکلولی را در بیماریهای تحلیلبرندهی عصبی برای طولانی مدت بررسی کنیم.
با استفاده از این الگورتیم هوش مصنوعی، پیشروی بیماریهای تحلیلبرندهی عصبی و ورود آنها به فازهای پیشرفتهتر با دقت بالایی قابل پیشبینی است. به این ترتیب از طریق شیوهای غیرتهاجمی و تنها با استفاده از نمونهی خون میتوان در مراحل ابتدایی پیشروی این بیماریها را پیشگویی کرد.
این آزمایش میتواند در آیندهای نه چندان دور توسط پزشکان برای سنجش بیماران مورد استفاده قرار گیرد و پزشکان به کمک آن بتوانند درمان مناسب را برای فرد تجویز کنند. همچنین میتواند در کارآزماییهای بالینی استفاده شود و تأثیرگذاری داروهای مختلف در پیشروی بیماران را تعیین کند. غیر از کاربردهای بالینی، برای کشف ژنها و مسیرهای موکلولی در مغز و بافتهای محیطی میتواند استفاده شود که نشاندهندهی تکامل بیماری هستند. هوش مصنوعی ابزاری امیدبخش برای پی بردن به مکانیسمهای بیماریهای پیچیدهی عصبی است که میتواند به درمانهای شخصی متناسب هر بیمار جهت دهی کند.
در مطالعاتی که در گذشته بر روی بیماریهای تحلیل برندهی عصبی انجام میشد، از دادههای استاتیک و لحظهای استفاده میشد، بنابراین در تشخیص بیماریهایی که سرعت پیشروی کمی داشتند، ناتوان بودند. اما شیوهای که در این مطالعه استفاده شد، با بررسی لحظه به لحظهی دادههای بیمار در طی دهها سال نشان میدهد که چگونه تغییر در بیان ژنها در فرد بیمار، منجر به تغییر در شرایط او میشود.
محققان این مطالعه، قصد دارند در ادامهی کار این مدل را بر روی سایر بیماریها مانند پارکینسون و اسکلروز جانبی آمیوتروفیک بررسی کنند.