یک سیستم جدید مبتنی بر هوش مصنوعی توانست پیشرفت بیماری های مزمن را با افزایش سن بیماران مدل­سازی کند

7دسامبر 2021- با استفاده از هوش مصنوعی، تیمی از محققان دانشگاه بوفالو سیستم جدیدی را توسعه داده‌اند که پیشرفت بیماری‌های مزمن را با افزایش سن بیماران مدل‌سازی می‌کند.

این مدل که در ماه اکتبر در مجله فارماکوکینتیک و فارماکودینامیک منتشر شد، بیومارکرهای متابولیکی و قلبی عروقی - معیارهای بیولوژیکی قابل اندازه‌گیری مانند سطح کلسترول، شاخص توده بدن، گلوکز و فشار خون - را برای محاسبه وضعیت سلامتی و خطرات بیماری در طول عمر بیمار ارزیابی می‌کند.

این یافته ها به دلیل افزایش خطر ابتلا به بیماری های متابولیک و قلبی عروقی با افزایش سن، حیاتی هستند، چرا که فرآیند پیری اثرات نامطلوبی بر فرآیندهای سلولی، روانی و رفتاری دارد.

دکتر مورالی راماناتان، نویسنده اصلی این مقاله و استاد علوم دارویی در دانشکده داروسازی و علوم دارویی UB، گفت: هنوز رویکردهای قابل قیاسی که بتوانند راهنمایی‌هایی را برای مراقبت‌های دارویی در طول زندگی در پیری و زمان ابتلا به بیماری‌های مزمن ارائه دهند، وجود ندارد. این شکاف در دانش ممکن است به طور بالقوه با این مدل سازی نوآورانه در مورد پیشرفت بیماری پر شود.

دکتر راماناتان می‌گوید: این مدل می‌تواند ارزیابی درمان‌های دارویی مزمن طولانی‌مدت را تسهیل کند و به پزشکان کمک کند تا پاسخ‌های درمانی را برای شرایطی مانند دیابت، کلسترول بالا و فشار خون بالا که با افزایش سن بیشتر می‌شوند، مانیتور کنند.

در این تحقیق داده‌های سه مطالعه ی موردی در سومین نظرسنجی ملی سلامت و تغذیه (NHANES) بررسی شد. در این مطالعات نشانگرهای زیستی متابولیکی و قلبی عروقی نزدیک به 40هزار نفر در ایالات متحده ارزیابی شده بود.

نشانگرهای زیستی که شامل اندازه‌گیری‌هایی مانند دمای بدن، وزن و قد نیز می‌شوند، برای تشخیص، درمان و نظارت بر سلامت کلی و بسیاری از بیماری‌ها استفاده می‌گردند.

محققان هفت نشانگر زیستی متابولیکی شامل: شاخص توده ی بدنی، نسبت دور کمر به دور باسن، کلسترول کل، کلسترول لیپوپروتئین با چگالی بالا، تری گلیسیرید، قند خون و هموگلوبین گلیکوزیله را بررسی کردند. بیومارکرهای قلبی عروقی مورد بررسی شامل فشار خون سیستولیک و دیاستولیک، ضربان نبض و هموسیستئین بودند.

با تجزیه و تحلیل تغییرات در بیومارکرهای متابولیکی و قلبی عروقی، این مدل نشان داد که چگونه پیری بر این نشانگر‌ها تأثیر می‌گذارد. با یادگیری ماشینی، سیستم از حافظه ی سطوح قبلی نشانگرهای زیستی برای پیش‌بینی این نشانگرها در آینده استفاده می‌کند، و در نهایت نشان می‌دهد که چگونه بیماری‌های متابولیکی و قلبی عروقی در طول زمان پیشرفت می‌کنند.

منبع:

https://www.news-medical.net/news/20211207/Novel-AI-based-system-models-the-progression-of-chronic-diseases-as-patients-age.aspx