نورنیوز-گروه اجتماعی: پژوهشگران «دانشکده پزشکی دانشگاه هنگ کنگ»(HKUMed) یک مدل هوش مصنوعی ارائه دادهاند که ممکن است مشکلات جدی قلبی عروقی را سالها پیش از بروز علائم پیشبینی کند.
به نقل از ساینسدیلی، این مدل موسوم به «CardiOmicScore» از اطلاعات آزمایش خون برای تخمین خطر ابتلا به ۶ بیماری قلبی-عروقی مهم در آینده استفاده میکند و بیماری عروق کرونری، سکته، نارسایی قلبی، فیبریلاسیون دهلیزی، بیماری شریان محیطی و ترومبوآمبولی وریدی را پیشبینی میکند. این مدل در افرادی که در معرض خطر بالایی قرار دارند، توانست سیگنالهای هشداردهنده را تا ۱۵ سال پیش از آغاز علائم بالینی تشخیص دهد.
بیماریهای قلبی-عروقی همچنان عامل اصلی مرگ و میر در سراسر جهان هستند و تنها در سال ۲۰۲۲ تقریباً ۱۹.۸ میلیون نفر در اثر این بیماریها جان خود را از دست دادهاند.
پزشکان معمولاً با بررسی عواملی مانند سن، فشار خون، سابقه سیگار کشیدن و سایر بررسیهای بالینی استاندارد، خطر ابتلا به بیماریهای قلبی-عروقی را ارزیابی میکنند. این شاخصها سودمند هستند، اما ممکن است اولین تغییرات بیولوژیکی را که پیش از بروز بیماری در بدن رخ میدهند، آشکار نکنند. در نتیجه، احتمال دارد برخی از افراد تا زمانی که بهترین فرصت برای پیشگیری از بین نرفته است، به عنوان افراد پرخطر شناسایی نشوند.
آزمایشهای خطر ژنتیکی، روش دیگری را برای تخمین احتمال ابتلا به بیماری ارائه میدهند. برای مثال، نمرات خطر پلیژنیک، اثرات بسیاری از گونههای ژنتیکی را در یک معیار واحد از خطر ارثی ترکیب میکنند. با وجود این، ساختار ژنتیکی یک شخص تا حد زیادی در بدو تولد ثابت است. این بدان معنا است که نمرات ژنتیکی نمیتوانند به طور کامل تغییرات فوری ناشی از رژیم غذایی، ورزش، پیری، بیماری، قرار گرفتن در معرض عوامل محیطی یا سایر تأثیرات بر سلامت را منعکس کنند.
مدل CardiOmicScore به گونهای طراحی شده است که تصویری بهروزتر را از آنچه در بدن اتفاق میافتد، ارائه دهد. پژوهشگران برای ساخت این مدل، از یادگیری عمیق برای ترکیب چندین لایه از اطلاعات بیولوژیکی استفاده کردند. روش کار آنها به عنوان «مولتیومیکس»(Multiomics) شناخته میشود، زیرا دادههایی را از حوزههای گوناگون زیستشناسی از جمله ژنومیک، متابولومیک و پروتئومیک گرد هم میآورد.
پژوهشگران دادههای بهدستآمده از بانک زیستی بریتانیا را تجزیه و تحلیل کردند. مدل آنها ۲۹۲۰ پروتئین در گردش و ۱۶۸ متابولیت اندازهگیریشده در نمونههای خون را بررسی کرد. این مولکولها در کنار هم میتوانند تصویر دقیقی را از وضعیت بیولوژیکی ارائه دهند. آنها ممکن است تغییرات ظریف رخداده در فعالیت ایمنی، متابولیسم و سلامت عروق را پیش از بروز علائم قابل توجه منعکس کنند.
پروفسور «ژانگ چینگپنگ»(Zhang Qingpeng) از پژوهشگران این پروژه گفت: ژنها تعیین میکنند که ما از کجا شروع کنیم. آنها ریسک اولیه سلامت ما را تعریف میکنند. با وجود این، پروتئینها و متابولیتها منعکسکننده سلامت جسمی کنونی ما هستند. مدل هوش مصنوعی ما برای رمزگشایی این سیگنالهای مولکولی پیچیده طراحی شده است و پزشکان و بیماران را قادر میسازد تا خطرات را خیلی زودتر شناسایی کنند. این کار میتواند مسیر بیماری را از طریق اصلاح به موقع سبک زندگی و پیشگیری زودهنگام تغییر دهد.
نتایج این پژوهش نشان دادند که CardiOmicScore میتواند اندازهگیریهای مولکولی پیچیده را به تخمینهای شخصیسازیشده از خطر بیماریهای قلبی-عروقی تبدیل کند.
در آینده، میتوان از یک نمونه خون کوچک برای ایجاد پرونده مشخصات دقیق خطر استفاده کرد که چندین بیماری قلبی-عروقی را به طور همزمان پوشش میدهد. این اطلاعات میتوانند به بیماران و پزشکان زمان بیشتری را برای بررسی تغییرات سبک زندگی، نظارت دقیقتر یا سایر اقدامات پیشگیرانه بدهد.
این پژوهش در مجله «Nature Communications» به چاپ رسید.