یک ابزار نوآورانه هوش مصنوعی توانایی شناسایی بیماری های دیابت، اچ آی وی و کووید۱۹ را از طریق تحلیل نمونه خون دارد.
براساس گزارش یک رویکرد تازه که بر پایه فناوری یادگیری ماشینی جهت غربالگری سلول های ایمنی ساخته شده، امکان شناسایی انواع مختلف شرایط بهداشتی را فراهم می آورد.
طبق اطلاعات منتشر شده در نیچر، پژوهشگران ابزاری هوش مصنوعی طراحی کرده اند که می تواند با بررسی توالی های ژن سلول های ایمنی در نمونه های خون، طیف وسیعی از عفونت ها و وضعیت های سلامتی را تشخیص دهد.
در تحقیقی که روی تقریباً ۶۰۰ نفر انجام شده و در مجله Science به چاپ رسیده است، این ابزار موفق به شناسایی وضعیت سلامتی شرکت کنندگان، اعم از اینکه آیا آنها سالم هستند یا به کووید۱۹، دیابت نوع یک، اچ آی وی یا بیماری خودایمنی لوپوس مبتلا شده اند، گردیده و همچنین مشخص کرد که آیا این افراد به تازگی واکسن آنفلوانزا دریافت کرده اند یا خیر.
سارا تیچمن (Sarah Teichmann)، زیست شناس مولکولی دانشگاه کمبریج بریتانیا اعلام کرد: این یک روش توالی یابی است که همه چیزهایی را که سیستم ایمنی بدن شما در معرض آنها قرار گرفته است، ثبت می کند.
ماکسیم زاسلاوسکی (Maxim Zaslavsky)، دانشمند کامپیوتر دانشگاه استنفورد در کالیفرنیا و یکی از نویسندگان این مقاله، تصریح کرد: این ابزار هنوز در مرحله ای نیست که بتوان به طور بالینی از آن استفاده کرد، اما با تلاش بیشتر برای بهبود رویکرد، ممکن است به زودی به پزشکان امکان دهد تا با شرایطی که در حال حاضر آزمایش های دقیق ندارند، مقابله کنند.
تیچمن اظهار داشت: از منظر دنیای واقعی، ایده آل این است که مدلی پایه برای سیستم ایمنی ایجاد کنیم که توانایی ثبت هر چیزی که یک شخص تجربه کرده را داشته باشد و سپس این داده ها به ارائه خدمات بهداشتی مرتبط شود. این مسیر هنوز مراحلی برای طی کردن دارد، اما این نخستین گام به سمت این هدف است.
تشخیص طبیعی
سیستم ایمنی بدن با استفاده از دو نوع سلول اصلی معروف به سلول های B و T، اطلاعات وسیعی درباره بیماری های قبلی و کنونی را جمع آوری می کند. سلول های B آنتی بادی هایی تولید می کنند که قادر به اتصال به ویروس ها و مولکول های مضر هستند، در حالی که سلول های T وظایف دیگری را فعال می سازند یا به حذف سلول های آلوده می پردازند.
زمانی که فردی به عفونت یا بیماری خودایمنی دچار می شود، تعداد سلول های B و T در بدن او افزایش یافته و شروع به تولید گیرنده های خاصی در سطح خود می کنند. تجزیه و تحلیل توالی ژن هایی که این گیرنده ها را کدگذاری می کنند، می تواند منجر به ثبت شگفت انگیزی از بیماری ها و عفونت ها گردد.
ویکتور گریف (Victor Greiff)، ایمونولوژیست محاسباتی در دانشگاه اسلو، بیان کرده است: سیستم ایمنی می تواند به عنوان یک تشخیص طبیعی عمل کند و اگر ما بیاموزیم چگونه این کار را انجام دهد، پیشرفت های شگرفی حاصل خواهد شد.
زاسلاوسکی می گوید: ابزارهای تشخیصی رایج بر اساس سابقه قرارگیری در معرض بیماری های سیستم ایمنی اطلاعاتی را ارائه می دهند، اما اغلب تلاش های گذشته تمرکز خود را بر توالی های متعلق به سلول های B یا T گذاشته اند. ترکیب اطلاعات آنها می تواند تصویر جامع تری از فعالیت های ایمنی ارائه دهد و ما را در درک بهتر آنچه ممکن است اتفاق بیفتد یاری کند.
زاسلاوسکی و همکارانش ابزاری هوش مصنوعی طراحی کردند که از ۶ مدل یادگیری ماشینی برای تحلیل توالی های ژنی کدگذاری شده در زمینه مناطق کلیدی گیرنده های سلول B و T استفاده می کند و الگوهای مرتبط با بیماری های خاص را تجزیه و تحلیل می کند.