پیش بینی زنده ماندن بیماران کرونایی با هوش مصنوعی - هدا بلاگ

گروهی از پژوهشگران دانشکده پزشکی دانشگاه کالیفرنیا، سن دیه گو، از یک الگوریتم هوش مصنوعی استفاده کرده اند تا فعال و غیبرطرفال بودن ژن ها را طی عفونت مورد بررسی قرار دهند و به جستجوی الگوهای مشترک میان بیمارانی بپردازند که به ویروس های همه گیر گذشته از جمله سارس(SARS)، مرس(MERS) و آنفلوانزای خوکی مبتلا شده بودند.

در این پژوهش، دو نشانه گویا به دست آمد. یکی از آنها، مجموعه ای از 166 ژن است که نحوه واکنش سیستم ایمنی انسان را نسبت به عفونت های ویروسی نشان می دهد. دومین مورد، مجموعه ای از 20 ژن است که شدت بیماری مانند نیاز به بستری شدن یا به کار بردن ونتیلاتور را پیش بینی می کنند. اعتبار این الگوریتم با استفاده از بافت های ریه جمع آوری شده طی کالبدشکافی بیماران مبتلا به کووید-19 و نمونه های حیوانی تایید شد.

پرادیپتا گوش(Pradipta Ghosh)، استاد پزشکی مولکولی و سلولی دانشگاه کالیفرنیا، سن دیه گو و سرپرست این پروژه گفت: نشانه های مرتبط با همه گیری ویروس به ما می گویند که سیستم ایمنی بیمار چگونه نسبت به عفونت ویروسی واکنش نشان می دهد و چقدر می تواند شدید باشد. این نشانه ها، نقشه ای در مورد همه گیری کنونی و همه گیری های آینده به ما ارائه می دهند.

سیستم ایمنی بدن طی عفونت ویروسی، پروتئین های کوچکی موسوم به سیتوکین(Cytokine) را در خون منتشر می کند. این پروتئین ها، سلول های ایمنی را به محل عفونت می فرستند تا آن را برطرف کنند. بدن گاهی اوقات بیش از اندازه سیتوکین منتشر می کند و یک سیستم ایمنی فراری را به وجود می آورد که بافت سالم خود را مورد حمله قرار می دهد. پژوهشگران باور دارند که این پدیده موسوم به طوفان سیتوکین می تواند دلیل تسلیم شدن بیماران مبتلا به ویروس از جمله آنفلوانزا در برابر عفونت باشد؛ در حالی که بقیه بیماران این گونه نیستند.

در هر حال، ماهیت، اندازه و منبع طوفان های کشنده سیتوکین و اینکه چه کسی ممکن است بیشتر در معرض خطر باشد و چگونه ممکن است به بهترین صورت درمان شود، تعیین نیست.

دباشیس ساهو(Debashis Sahoo)، از پژوهشگران این پروژه گفت: هنگامی که همه گیری کووید-19 آغاز شد، من تصمیم گرفتم تا از دانش خود در مورد رایانه برای یافتن یک ویژگی مشترک میان همه بیماری های همه گیر ویروسی استفاده کنم. شاید کروناویروس برای ما نو باشد اما راه های زیادی وجود دارد که بدن ما بتواند نسبت به عفونت واکنش نشان دهد.

داده های مورد استفاده برای آزمایش و آموزش الگوریتم، از منابعی در مورد بیان ژن بیمار به دست آمدند که در دسترس عموم قرار دارند. هر زمانی که مجموعه نوی از داده های مربوط به بیماران کووید-19 در دسترس قرار می گرفت، پژوهشگران آن را در مدل خود آزمایش می کردند و هر بار، الگوهای مشابه بیان ژن را می یافتند.

ساهو ادامه داد: به عبارت دیگر، این همان چیزی است که ما پژوهش آینده نگر می نامیم و شرکت کنندگان با ابتلا به بیماری در آن ثبت نام می شوند. ما دریافتیم که با استفاده از امضاهای ژنتیکی می توانیم به قلمرو یک بیماری کاملا نو وارد شویم.

این پژوهش با بررسی منبع و عملکرد ژن های مورد نظر در نخستین مجموعه، منبع طوفان های سیتوکین را نشان داد. براساس این پژوهش، منبع طوفان های سیتوکین، سلول های مجاری هوایی ریه، درشت خوارها و سلول های تی هستند. به علاوه، این نتایج توانستند پیامدهای طوفان سیتوکین را نشان دهند که آسیب رسیدن به سلول های مجاری هوایی ریه و سلول های کشنده طبیعی(NK cells) را شامل می شوند. سلول های کشنده طبیعی، نوع ویژه ای از سلول ایمنی هستند که سلول های مبتلا به ویروس را از بین می برند.

سومیتا داس(Soumita Das)، از پژوهشگران این پروژه گفت: ما توانستیم ببینیم و به جهان نشان دهیم که سلول های مجاری هوایی ریه که معمولا امکان تبادل گاز و اکسیژن رسانی خون را فراهم می کنند، یکی از منابع اصلی طوفان سیتوکین هستند و مانند چشم طوفان سیتوکین عمل می کنند. گروه ما در حال مدل سازی ریه انسان در شرایط ابتلا به کووید-19 است تا اثرات حاد این بیماری را بر ریه ها مورد بررسی قرار دهد.

پژوهشگران باور دارند که این اطلاعات ممکن است با فراهم کردن اهداف سلولی و بهبود بررسی، آنها را در ارائه روش های درمان طوفان سیتوکین یاری دهد.

این پژوهش، در مجله EBioMedicine به چاپ رسید.،ایسنا

آخرین اخبار مربوط به کرونا در ایران و جهان را اینجا بخوانید

آژانس دور زمین: دور زمین | سفر به دور زمین هیچوقت اینقدر آسون نبوده! تور ارزان، تور لحظه آخری، اروپا، تور تایلند، تور مالزی، تور دبی، تور ترکیه