خبر کامل
کشف دو زیرمجموعه جدید بیماری اماس با کمک هوش مصنوعی توسط پژوهشگر ایرانی

در یک پیشرفت علمی چشمگیر، گروهی از دانشمندان به سرپرستی یک پژوهشگر ایرانی با بهرهگیری از هوش مصنوعی، موفق به شناسایی دو زیرمجموعه بیولوژیکی کاملاً جدید و ناشناخته از بیماری اماس (MS) شدند. این کشف بزرگ که نتیجه تحلیل دقیق اسکنهای مغزی و آزمایش خون صدها بیمار است، پتانسیل دگرگونسازی رویکردهای درمانی را دارد و میتواند به ارائه درمانهای دقیقتر و متناسب با شرایط اختصاصی هر بیمار منجر شود.
چالشهای درمانی فعلی اماس
بیماری اماس میلیونها نفر را در سراسر جهان درگیر کرده است. با این حال، درمانهای کنونی اغلب بر اساس علائم ظاهری بیماری تجویز میشوند، نه بیولوژی پنهان آن. این رویکرد گاهی منجر به دریافت درمانهای غیرمؤثر برای برخی بیماران میشود و اهمیت شناخت عمیقتر سازوکارهای بیماری را دوچندان میکند.
متدولوژی پژوهش و نقش هوش مصنوعی
پژوهشگران دانشگاه کالج لندن، به سرپرستی دکتر آرمان اسحاقی، محقق ایرانی، با استفاده از یک مدل یادگیری ماشینی پیشرفته به نام SuStaIn، دادههای مربوط به ۶۰۰ بیمار مبتلا به اماس را مورد بررسی قرار دادند. تمرکز اصلی این مطالعه بر ترکیب اطلاعات حاصل از اسکنهای MRI مغزی و سطح پروتئینی خاص در خون به نام sNfL بود. پروتئین sNfL در زمان آسیب دیدن سلولهای عصبی آزاد میشود و به عنوان نشانگر فعالیت و شدت بیماری MS عمل میکند. ترکیب هوشمندانه این دادهها، الگوهای پنهانی را آشکار ساخت که پیش از این برای پزشکان قابل تشخیص نبود.
دو زیرمجموعه جدید بیماری اماس
این تیم تحقیقاتی موفق به کشف دو دستهبندی متمایز برای MS شدند که تفاوت اصلی آنها در زمانبندی تخریب عصبی و ترشح پروتئین sNfL در خون است:
- گروه «sNfL زودرس»: در این گروه، سطح پروتئین تخریبکننده در همان ابتدای بیماری به شدت بالا میرود و آسیبها عمدتاً به جسم پینهای (بخش متصلکننده دو نیمکره مغز) وارد میشود. بیماران این گروه معمولاً با سرعت بیشتری دچار ضایعات مغزی میشوند و فرم بیماری آنها تهاجمیتر است.
- گروه «sNfL دیررس»: این گروه الگوی متفاوتی را نشان میدهد. در این افراد، ابتدا نواحی خاصی از مغز مانند قشر لیمبیک و ماده خاکستری دچار کوچکشدگی میشوند و افزایش سطح پروتئین sNfL در مراحل بعدی بیماری مشاهده میگردد. پیشرفت بیماری در این گروه آهستهتر است و آسیبهای عصبی قابل مشاهده دیرتر خود را نشان میدهند.

شناسایی دقیق این الگوهای بیولوژیکی به پزشکان این امکان را میدهد تا آینده بیماری را با دقت بیشتری پیشبینی کرده و داروی مناسب و هدفمند را برای هر بیمار انتخاب کنند.
آینده درمان اماس
دکتر آرمان اسحاقی تأکید میکند که اماس یک بیماری واحد نیست و دستهبندیهای فعلی برای توضیح تغییرات بافتی کافی نیستند. با این روش جدید، بیمارانی که در دسته تهاجمی (زودرس) قرار میگیرند، میتوانند بلافاصله درمانهای با اثربخشی بالا دریافت کرده و تحت نظارت دقیقتر قرار بگیرند. از سوی دیگر، بیماران گروه دیررس ممکن است از درمانهای متفاوتی بهرهمند شوند که بر محافظت از سلولهای مغزی و کند کردن روند تخریب تمرکز دارد.
یافتههای این پژوهش مهم در ژورنال معتبر Brain منتشر شده است که اعتبار علمی این کشف را دوچندان میکند.
درباره هوشمصنوعی دستاول:
تمامی اخبار دستاول توسط دستیار هوش مصنوعی «هوشنگ» پردازش، صحتسنجی، خلاصه و بازنویسی شده است. هوشنگ هر روز با دادههای جدید آموزش داده میشود و با نظارت دقیق انسانی و سردبیری دستاول در حال بهتر شدن است.
شما میتوانید از چتبات و سایر ابزارهای هوشنگ به صورت رایگان استفاده کنید.
