21 مارس 2022- یک تیم بین رشته ای از محققان دانشگاه میسوری، بیمارستان کودکان Mercy Kansas City و بیمارستان کودکان تگزاس، از یک رویکرد داده محور جدید برای کسب اطلاعات بیشتر در مورد افراد مبتلا به دیابت نوع 1 استفاده کردند. این تیم اطلاعات خود را از طریق انفورماتیک سلامت جمع آوری کرده و از هوش مصنوعی(AI) برای درک بهتر بیماری دیابت نوع 1، که 5 تا 10 درصد کل انواع دیابت را تشکیل می دهد، استفاده نمود.

در این مطالعه، محققان داده‌های واقعی و در دسترس عمومی مربوط به حدود 16000 شرکت‌کننده ثبت‌نام شده درT1D Exchange Clinic Registry ، تجزیه و تحلیل کردند. با استفاده از الگوریتم کاوش الگوی کنتراست که در کالج مهندسی  MUتوسعه یافته است، محققان توانستند تفاوت‌های عمده در پیامدهای سلامتی در میان افراد مبتلا به دیابت نوع 1 با و بدون سابقه خانوادگی این بیماری را شناسایی کنند.

دکتر چی-رن شیو، مدیر موسسه علوم داده و انفورماتیک دانشگاه میسوری(MUIDSI)، که رویکرد هوش مصنوعی مورد استفاده در این مطالعه را رهبری کرد، گفت: این تکنیک ماهیت اکتشافی دارد، در اینجا ما به کامپیوتر اجازه می دهیم میلیون ها نقطه در داده ها را به هم متصل کند تا فقط الگوهای متضاد عمده بین افراد با و بدون سابقه خانوادگی دیابت نوع 1 را شناسایی کند، و آزمایش های آماری را انجام دهد تا از نتایج آن مطمئن شویم.

ارین تالون، دانشجوی کارشناسی ارشد در MUIDSI و نویسنده اصلی این مطالعه، گفت: تجزیه و تحلیل ما، به کشف یافته‌های جدیدی منجر شد.به عنوان مثال، ما دریافتیم افرادی که یکی از اعضای درجه یک خانواده ی آنها مبتلا به دیابت نوع 1 بود، بیشتر مبتلا به فشار خون بالا و همچنین بیماری عصبی مرتبط با دیابت، بیماری چشمی و بیماری کلیوی بودند. همچنین دریافتیم که این بیماریها در افرادی که سابقه خانوادگی دیابت نوع 1 داشتند، شیوع بیشتری دارد. علاوه بر این، افرادی که سابقه خانوادگی دیابت نوع 1 داشتند، اغلب دارای ویژگی های جمعیت شناختی خاصی بودند.

اشتیاق تالون برای این پروژه با یک ارتباط شخصی او آغاز شد و به سرعت در نتیجه ی تجربه کار به عنوان پرستار در بخش مراقبت های ویژه(ICU) ، رشد کرد. او اغلب بیماران مبتلا به دیابت نوع 1 را می دید که به سایر بیماری های همراه مانند بیماری کلیوی و فشار خون بالا نیز مبتلا بودند. او با علم به اینکه تشخیص دیابت نوع 1 اغلب تنها زمانی اتفاق می‌افتد که بیماری بسیار پیشرفت کرده باشد، می‌خواست راه‌های بهتری برای پیشگیری و تشخیص بیابد و با یافتن راهی برای تجزیه و تحلیل مقادیر زیادی از داده‌های در دسترس عموم که قبلاً در مورد این بیماری جمع‌آوری شده بود، کار را شروع کرد.

در سال 2019، پرفسور مارک کلمنتز، متخصص غدد کودکان در بیمارستان کودکان  Mercyدرکانزاس سیتی، استاد اطفال در دانشگاه میسوری-کانزاس سیتی و نویسنده ی راهبر در این مطالعه، برای سخنرانی در کنفرانس بیوانفورماتیک Midwest به میزبانی BioNexus KC دعوت شد. در حالی که تالون نتوانست در سخنرانی کلمنتز شرکت کند، او با تماس تلفنی با پرفسور کلمنتز پیشنهاد خود را برای کمک به مردم برای درک بهتر دیابت نوع 1 به اشتراک گذاشت. او کنجکاو شده بود و در نهایت، تالون، پرفسور کلمنتز را به دکتر Shyuمعرفی کرد و یک همکاری تحقیقاتی ادامه دار ایجاد شد.

تالون گفت: نتایج این همکاری حاکی از قدرت و ارزش استفاده از داده های دنیای واقعی است.دیابت نوع 1 یک بیماری واحد نیست که برای همه یکسان باشد، این بیماری برای افراد مختلف متفاوت است و ما در حال کار با پیشرفته ترین تکنیکها برای رسیدگی به این موضوع هستیم. ما با تجزیه و تحلیل داده‌های دنیای واقعی، می‌توانیم عوامل خطری را که ممکن است باعث شود فردی در معرض خطر بالاتری برای ایجاد پیامدهای بد سلامتی قرار گیرد، بهتر درک کنیم.

در حالی که نتایج امیدوارکننده هستند، تالون گفت که محققان به دلیل نداشتن مجموعه داده‌های مبتنی بر جمعیت برای کار با آنها با محدودیتهایی مواجه بوده اند.

تالون گفت: در اینجا ذکر این نکته مهم است که یافته‌های ما دارای محدودیت‌هایی است که امیدواریم در آینده با استفاده از مجموعه‌های داده های بزرگ‌تر و مبتنی بر جمعیت آن را برطرف کنیم. ما به دنبال ایجاد گروه‌های بیماران بزرگ‌تر، تجزیه و تحلیل داده‌های بیشتر و استفاده از این الگوریتم‌ها برای کمک به انجام این کار هستیم.

شخصی سازی درمان

پرفسور کلمنتز امیدوار است که این رویکرد بتواند به عنوان راهی برای کمک به ایجاد گزینه های درمانی شخصی برای افراد مبتلا به دیابت، بکار گرفته شود.

برای اینکه بتوانیم درمان مناسب را در زمان مناسب به بیمار مناسب برسانیم، ابتدا باید بدانیم که چگونه بیمارانی را که در معرض خطر بالاتری برای بیماری و عوارض آن هستند، شناسایی کنیم. این کار باید از طریق پرسیدن سوالاتی مانند وجود برخی از ویژگی‌ها در اوایل زندگی افراد صورت گیرد تا بتوان به شناسایی یک فرد با خطر بالا در سال های بعد کمک نمود. داشتن همه این اطلاعات می تواند روزی به ما کمک کند تا تصویر کامل تری از خطری که یک فرد را تهدید می کند، ایجاد کنیم و بتوانیم از این اطلاعات برای ایجاد یک رویکرد شخصی تر برای پیشگیری و درمان استفاده کنیم.

این مقاله با عنوان "کاوش الگوی کنتراست با کمک داده های T1D Exchange Clinic Registry، فاکتورهای فنوتیپی پیچیده و الگوهای همبودی مرتبط با دیابت نوع 1 خانوادگی و پراکنده را نشان می دهد" در Diabetes Care، مجله انجمن دیابت آمریکا منتشر شد. دانلو لیو و کاترینا بولز، دانشجویان فارغ التحصیل دانشگاه MU، و ماریا ردوندو در بیمارستان کودکان تگزاس نیز در این مطالعه مشارکت داشتند. نویسندگان این مطالعه از آژانس تامین مالی ثبت کلینیک تبادل T1D، موسسه خیریه هلمزلی، محققین مستقر در سراسر کشور که گردآوری داده‌ها را برای ثبت انجام داده‌اند، و همچنین از همه شرکت‌کنندگان در ثبت و خانواده‌هایشان که مایل به اشتراک گذاری اطلاعات پزشکی خود هستند، تشکر کردند.

منبع:

https://www.sciencedaily.com/releases/2022/03/220321150425.htm