به گزارش سلامت نیوز به نقل از healthcentral، دانشمندان در کره جنوبی در حال استفاده از یادگیری ماشینی، نوعی از هوش مصنوعی (AI)، هستند تا بتوانند نشانگرهای زیستی خاصی را در خون شناسایی کنند. هدف آن‌ها، کمک به پزشکان برای تشخیص دقیق‌تر دو نوع بیماری التهابی روده (IBD) یعنی بیماری کرون و کولیت اولسراتیو (UC) است؛ دو بیماری که علائم مشابهی دارند اما از نظر ماهیت و درمان، متمایز هستند.
به گفته‌ی UCLA Health، بیماری کرون ممکن است هر بخشی از دستگاه گوارش را — از دهان تا مقعد — تحت تأثیر قرار دهد، گرچه اغلب به روده کوچک و بخش ابتدایی روده بزرگ آسیب می‌زند. در مقابل، علائم UC فقط به روده بزرگ و راست‌روده محدود می‌شود. هر دو بیماری، خطرات سلامتی خاص خود را دارند و نیازمند روش‌های درمانی متفاوتی هستند.
با این حال، تمایز این دو بیماری در بسیاری از موارد دشوار است و همین امر می‌تواند منجر به تأخیر در تشخیص و درمان مؤثر شود. در حال حاضر، تشخیص دقیق این بیماری‌ها نیازمند مجموعه‌ای از بررسی‌های پیچیده از جمله آندوسکوپی تهاجمی، بررسی‌های بافت‌شناسی، آزمایش نمونه‌های مدفوع، تصویربرداری و موارد دیگر است.
دکتر مایکل دی. دان، فوق‌تخصص گوارش در نیویورک، که در این مطالعه شرکت نداشته، می‌گوید:«با وجود همه این ابزارهای تشخیصی، شباهت‌های بالینی بین کرون و UC به‌قدری زیاد است که گاهی تمایز بین آن‌ها بسیار دشوار می‌شود.»
آیا پاسخ در خون نهفته است؟
در مطالعه‌ای جدید، محققان مجموعه‌ای از ۷۸ نشانگر زیستی — شامل متابولیت‌هایی از قبیل کربوهیدرات‌ها، اسیدهای آمینه و اسیدهای چرب — را در نمونه خون ۳۴۶ شرکت‌کننده بررسی کردند. برخی از شرکت‌کنندگان مبتلا به IBD (کرون یا UC) بودند و برخی دیگر سالم بودند. سپس با بهره‌گیری از چهار تکنیک آماری و الگوریتم‌های یادگیری ماشینی، سعی کردند الگوهایی بیابند که نه تنها IBD را تشخیص دهد، بلکه بتواند کرون و UC را نیز از هم تفکیک کند.
نتایج اولیه حاکی از آن بود که برخی از متابولیت‌ها، مانند تریپتوفان و اسیدهای صفراوی، در افراد مبتلا به IBD سطح بالاتری نسبت به افراد سالم دارند.دکتر سوپریا رائو، فوق‌تخصص گوارش در دانشگاه تافتس، می‌گوید:«این متابولیت‌ها ارتباط قوی‌ای با IBD نشان دادند.»
اما نکته‌ی مهم این بود که بسیاری از این نشانگرهای زیستی بین بیماران کرون و UC مشابه بودند، و این یعنی نمی‌توان از آن‌ها برای تفکیک این دو بیماری استفاده کرد — چیزی که از اهداف اصلی تحقیق بود.
با این حال، پژوهشگران متابولیت‌هایی را هم شناسایی کردند که بین کرون و UC تفاوت داشتند. برای مثال، انواع خاصی از متابولیت‌های تریپتوفان که با یکی از این بیماری‌ها ارتباط داشتند و همچنین شواهدی از اختلال در متابولیسم گلیسرولیپید در بیماران مبتلا به کرون. این اختلال نشان می‌دهد که چربی‌ها به‌طور طبیعی در بدن تجزیه نمی‌شوند.
به گفته‌ی محققان، فعال‌سازی سیستم ایمنی در روده و وجود یک میکروبیوم نامتعادل — که در هر دو بیماری مشاهده می‌شود — بسته به نوع بیماری، موجب تغییر در متابولیت‌های مختلف می‌شود.
گامی رو به جلو، اما نه کافی
دکتر رائو می‌گوید:«برخی از هم‌پوشانی‌ها در نشانگرها نشان می‌دهد که این یافته‌ها امیدوارکننده هستند، اما هنوز نمی‌توان تنها بر اساس آن‌ها تشخیص قطعی داد.»
او امیدوار است که در آینده، استفاده از یادگیری ماشینی برای تحلیل نشانگرهای زیستی بتواند به تشخیص سریع‌تر و دقیق‌تر IBD کمک کند، که منجر به درمان زودهنگام و مؤثرتر می‌شود. همچنین این روش می‌تواند باعث کاهش نیاز به آزمایش‌های تهاجمی، صرفه‌جویی در زمان، هزینه و کاهش ناراحتی بیمار شود.
چالش‌ها و انتقادات
با این حال، زمانی که نتایج این تحقیق در نشست انجمن اروپایی بیماری کرون و کولیت در برلین ارائه شد، با انتقادهایی روبه‌رو شد.یکی از مشکلات مطرح‌شده این بود که شرکت‌کنندگان پیش‌تر تشخیص IBD گرفته و تحت درمان قرار گرفته بودند، بنابراین داروهایی مانند آنتی‌بیوتیک‌ها ممکن است میکروبیوم روده آن‌ها را تغییر داده باشند و در نتیجه بر نتایج تحقیق تأثیر گذاشته باشد.
دکتر رائو توضیح می‌دهد:«داروها می‌توانند نمایه متابولومیک افراد را تغییر دهند و این باعث ایجاد تنوع در داده‌ها می‌شود.»
هنوز برای کاربرد بالینی زود است
دکتر دان با دیدی منتقدانه می‌گوید:«هنوز برای استفاده بالینی از این داده‌ها زود است. اگرچه حجم نمونه نسبت به مطالعات قبلی بزرگ‌تر بود، اما همچنان محدود به ۳۴۶ نفر از یک جامعه مشخص بود. نشانگرهای زیستی به‌تنهایی برای تشخیص IBD کافی نیستند.»
او همچنین اضافه می‌کند که یادگیری ماشینی می‌تواند در آینده با کمک به درک بهتر نشانگرهای زیستی، به پزشکان کمک کند تا شدت بیماری و مسیر درمان را پیش‌بینی کنند و از درمان‌های غیرضروری جلوگیری کنند.
در حالی که این پژوهش گامی مهم به سوی تشخیص دقیق‌تر بیماری‌های التهابی روده به شمار می‌آید، هنوز نیاز به تحقیقات بیشتر، با طراحی‌های دقیق‌تر و نمونه‌های بزرگ‌تر احساس می‌شود. تا زمانی که چنین ابزارهایی در اختیار پزشکان قرار گیرد، تشخیص قطعی IBD همچنان به روش‌های سنتی و ترکیبی وابسته خواهد بود.
نظر شما