مدل جدید هوش مصنوعی تشخیص پنج بیماری مغزی با یک آزمایش خون را ممکن کرد
پژوهشگران دانشگاه لوند سوئد با توسعه یک مدل هوش مصنوعی نشان دادهاند که میتوان از طریق یک نمونه خون ساده، چندین بیماری نورودژنراتیو (تحلیلبرنده اعصاب) را همزمان شناسایی کرد. این دستاورد که در مجله نیچر مدیساین منتشر شده، میتواند راه را برای تشخیص سریعتر و دقیقتر اختلالاتی مانند آلزایمر، پارکینسون، ALS و زوال عقل فرونتوتمپورال هموار کند.
یافتههای علمی جدید نشان میدهد که علائم بیماریهای مختلف تحلیلبرنده مغز اغلب با یکدیگر همپوشانی دارند و تشخیص مشکلات شناختی مرتبط با افزایش سن پیچیده است. به ویژه در مراحل اولیه زوال عقل، تفاوت قائل شدن میان بیماریهایی مثل آلزایمر و بیماری اجسام لوی دشوار است. همچنین ممکن است یک بیمار همزمان چندین فرآیند بیماری متفاوت را در مغز خود داشته باشد.
در این پژوهش، محققان با استفاده از اندازهگیری پروتئینهای بیش از ۱۷ هزار بیمار و افراد سالم که از چندین پایگاه داده در چارچوب کنسرسیوم بینالمللی پروتئومیکس نورودژنراتیو (GNPC) گردآوری شده بود، مدلی مبتنی بر یادگیری آماری پیشرفته و فرآیندی به نام «یادگیری مشترک» توسعه دادند.
این مدل هوش مصنوعی قادر است پنج بیماری مرتبط با زوال عقل را شناسایی کند: آلزایمر، پارکینسون، بیماری نورون حرکتی (ALS)، زوال عقل فرونتوتمپورال و پیامدهای ناشی از سکته مغزی قبلی.
این مدل در مقایسه با مدلهای پیشین عملکرد بهتری داشته و نتایج آن بر روی چندین مجموعه داده مستقل تأیید شده است. همچنین نمایه پروتئینی استخراجشده توسط این مدل، کاهش تواناییهای شناختی را بهتر از تشخیص بالینی معمول پیشبینی میکند.
به نظر میرسد افرادی که تشخیص بالینی یکسانی دارند، ممکن است زیرگروههای بیولوژیکی متفاوتی داشته باشند. به عنوان مثال، بسیاری از افراد با تشخیص آلزایمر، الگوی پروتئینی مشابه سایر اختلالات مغزی نشان دادند. این احتمال وجود دارد که آنها بیش از یک بیماری زمینهای داشته باشند، یا اینکه آلزایمر به شکلهای گوناگونی تکامل یابد، یا تشخیص بالینی اولیه نادرست بوده است.
محققان تأکید میکنند که اندازهگیری فعلی پروتئینها از نمونه خون به تنهایی برای تشخیص قطعی چندین بیماری کافی نیست و این روش نیاز به بهبود و ترکیب با سایر ابزارهای تشخیص بالینی دارد.
با این حال، کاربرد این مدل فقط به تشخیص محدود نمیشود. بسیاری از پروتئینهایی که در این مدل هوش مصنوعی نقش داشتند، مسیرهایی را نشان میدهند که مطالعه بیشتر روی آنها میتواند به درک بهتر فرآیندهای اصلی ایجاد این بیماریها کمک کند.
گام بعدی پژوهشگران، گنجاندن نشانگرهای پروتئومی (زیستی) بیشتر با استفاده از روشهای پیشرفتهای مانند طیفسنجی جرمی است تا الگوهای منحصربهفرد هر بیماری شناسایی شود. هدف نهایی، نزدیک شدن به آزمایش خونی است که بتواند بدون نیاز به سایر ابزارهای بالینی، تشخیصی قابل اعتماد برای طیف وسیعی از این اختلالات فراهم کند.