🧠هوش مصنوعی آلزایمر را 7 سال زودتر پیش بینی کرد
📆21 فوریه 2024
🏢منبع: UCSF
🔻خلاصه: محققان یک روش هوش مصنوعی ایجاد کرده اند که می تواند بیماری آلزایمر را تا هفت سال قبل از شروع علائم، با استفاده از یادگیری ماشینی برای تجزیه و تحلیل سوابق بیمار پیش بینی کند.
🔻این رویکرد نویدبخش داروی دقیق برای آلزایمر و سایر بیماریهای چالش برانگیز است.
🧠
@Neuroscience_New🔻پیشبینیکنندههای مهم شناسایی شدهاند :
1⃣ کلسترول بالا و پوکی استخوان پیشبینیکنندههای مهم آلزایمر هستند و پوکی استخوان یک عامل قابل توجه برای زنان است.
2⃣بینش ژنتیکی رونمایی شد : محققان با استفاده از SPOKE UCSF، خطر آلزایمر را با ژنهای خاصی از جمله ارتباط بین پوکی استخوان و آلزایمر در زنان از طریق ژن MS4A6A مرتبط کردند.
🧠
@Neuroscience_New🔻دانشمندان دانشگاه کالیفرنیا سانفرانسیسکو با تجزیه و تحلیل سوابق بیماران با یادگیری ماشین راهی برای پیش بینی بیماری آلزایمر تا هفت سال قبل از ظاهر شدن علائم پیدا کرده اند.
🔻شرایطی که بیشترین تأثیر را بر پیش بینی آلزایمر داشت، کلسترول بالا و برای زنان، بیماری ضعیف کننده استخوان، پوکی استخوان بود.
🧠
@Neuroscience_New🔻این کار نوید استفاده از هوش مصنوعی (AI) را برای شناسایی الگوها در دادههای بالینی نشان میدهد که میتوان از آن برای جستوجو پایگاههای داده ژنتیکی بزرگ برای تعیین اینکه چه چیزی این خطر را ایجاد میکند، استفاده کرد. محققان امیدوارند که روزی تشخیص و درمان آلزایمر و سایر بیماری های پیچیده را تسریع بخشد.
🔻آلیس تانگ، نویسنده اصلی این مطالعه، یک دانشجوی دکتری و دکتری در دانشگاه می گوید: «این اولین گام به سمت استفاده از هوش مصنوعی بر روی داده های بالینی معمول است، نه تنها برای شناسایی خطر در اسرع وقت، بلکه برای درک زیست شناسی پشت آن. آزمایشگاه سیروتا در UCSF.
قدرت این رویکرد هوش مصنوعی از شناسایی خطر بر اساس ترکیبی از بیماری ها ناشی می شود.
🧠
@Neuroscience_New🔻داده های بالینی و قدرت پیش بینی
دانشمندان مدتهاست که به دنبال کشف محرکهای بیولوژیکی و پیشبینیکنندههای اولیه بیماری آلزایمر بودهاند، یک شکل پیشرونده و در نهایت کشنده از زوال عقل که حافظه را از بین میبرد.
🔻 آلزایمر حدود 6.7 میلیون آمریکایی را تحت تأثیر قرار می دهد که تقریباً دو سوم آنها زن هستند. خطر ابتلا به این بیماری با افزایش سن افزایش می یابد و زنان بیشتر از مردان عمر می کنند، اما این به طور کامل توضیح نمی دهد که چرا زنان بیشتر از مردان به آن مبتلا هستند.
🧠
@Neuroscience_New🔻محققان از پایگاه داده بالینی UCSF از بیش از 5 میلیون بیمار برای جستجوی شرایط همزمان در بیماران مبتلا به آلزایمر در مرکز حافظه و پیری UCSF در مقایسه با افراد بدون AD استفاده کردند و دریافتند که میتوانند با 72 درصد قدرت پیشبینی کنند. این بیماری تا هفت سال قبل ایجاد می شود.
🔻عوامل متعددی از جمله فشار خون بالا، کلسترول بالا و کمبود ویتامین D، در مردان و زنان پیشبینیکننده بودند. اختلال نعوظ و بزرگی پروستات نیز برای مردان پیشبینیکننده بود.
🧠
@Neuroscience_New🔻 اما برای زنان، پوکی استخوان یک پیش بینی کننده مهم بود. این بدان معنا نیست که همه مبتلایان به بیماری استخوانی که در بین زنان مسن شایع است، آلزایمر خواهند گرفت.
🔻تانگ گفت: «این ترکیبی از بیماریها است که به مدل ما اجازه میدهد تا شروع AD را پیشبینی کند.
🧠
@Neuroscience_New🔻؛SPOKE اساسا یک پایگاه داده از پایگاه های داده است که محققان می توانند از آن برای شناسایی الگوها و اهداف مولکولی بالقوه برای درمان استفاده کنند. ارتباط شناخته شده بین آلزایمر و کلسترول بالا را از طریق شکلی از ژن آپولیپوپروتئین E، APOE4 دریافت کرد. اما، هنگامی که با پایگاه های داده ژنتیکی ترکیب شد، ارتباط بین پوکی استخوان و آلزایمر در زنان را نیز از طریق یک نوع ژن کمتر شناخته شده به نام MS4A6A شناسایی کرد.
🔻در نهایت، محققان امیدوارند که این رویکرد بتواند با سایر بیماریهای غیرقابل تشخیص مانند لوپوس و اندومتریوز استفاده شود.
🧠
@Neuroscience_New🔻دکتر مارینا سیروتا، نویسنده ارشد این مطالعه، گفت: «این یک مثال عالی از این است که چگونه میتوانیم از دادههای بیمار با یادگیری ماشینی استفاده کنیم تا پیشبینی کنیم که کدام بیماران بیشتر در معرض ابتلا به آلزایمر هستند و همچنین دلایل این امر را درک کنیم.
👤مترجم: طاهره مبارکی
🖇منبع:
https://neurosciencenews.com/ai-alzheimers-25642/ترجمه مقاله NU479
؛--------------------------------------
🧠 Telegram:
@Neuroscience_New👥 Group:
@PortalRavaninstagram.com/Neuroscience_New