تشخیص پارکینسون سال‌ها قبل از ظهور علائم با کمک هوش مصنوعی
دانشمندان نه تنها برای یافتن درمانی برای بیماری پارکینسون تلاش می‌کنند، بلکه مشغول یافتن راه‌های بهتری برای تشخیص زودهنگام آن و توقف پیشرفلت آن هستند.
اکنون ابزار جدیدی که می‌تواند با سرعت، حتی بر روی یک لپ‌تاپ استاندارد اجرا شود، از هوش مصنوعی برای شناسایی علائم زمینه‌ای بیماری، سال‌ها قبل از شروع علائم لرزش و کندی حرکات، استفاده می‌کند.
این هوش مصنوعی CRANK-MS نامیده می‌شود.
برای این کار از گره‌ها یا نودهایی پردازشی مدل‌سازی شده از روی مغز انسان استفاده می‌شود. بعد به این ابزار با اطلاعات ترکیبات شیمیای رها شده از نورون‌ها یا متابولیت‌ها آموزش می‌بیند و الگو‌هایی را کشف می‌کند که به طور بالقوه می‌توانند وجود بیماری را پیش‌بینی کنند یا در برابر آن محافظت‌کننده باشند.
دیانا ژانگ، یک شیمیدان از دانشگاه نیو ساوت ولز در استرالیا، می‌گوید: «برای اینکه بفهمیم کدام متابولیت‌ها برای تشخیص بیماری در مقایسه با گروه‌های کنترل مهم‌تر هستند، محققان معمولاً به همبستگی‌های مربوط به مولکول‌های خاص نگاه می‌کنند. اما ما در نظر گرفتیم که متابولیت‌ها می‌توانند با متابولیت‌های دیگر ارتباط داشته باشند و برای کشف این ارتباط از یادگیری ماشینی استفاده کردیم تا بتواند صد‌ها تا هزاران متابولیت را بسنجد.»
این تیم از نمونه‌های پلاسمای خون جمع‌آوری شده در تحقیقات تغذیه و سرطان استفاده کرد. این محققان با تمرکز بر روی ۳۹ بیمار که طی ۱۵ سال پس از شرکت در مطالعه به پارکینسون مبتلا شدند، ترکیبات متابولیت‌ها را با ۳۹ بیمار کنترل که مبتلا نشده بودند، مقایسه کردند. چندین الگوی مهم شناسایی شد.
به عنوان مثال، تیم متوجه شد افرادی که به پارکینسون مبتلا می‌شوند سطوح پایین‌تری از‌تری ترپنوئید‌ها در خون خود دارند که استرس را در سطح سلولی بر بدن کنترل می‌کند و در غذا‌هایی مانند سیب، زیتون و گوجه‌فرنگی یافت می‌شود.
محققان همچنین متوجه وجود مواد آلکیل پلی فلورینه (PFAS) در افرادی شدند که بعداً به پارکینسون مبتلا شدند. این ماده ممکن است با قرار گرفتن در معرض بیشتر مواد شیمیایی صنعتی بیشتر شود.
البته این تحقیق نسبتاً کوچک بود، با وجود این CRANK-MS توانست خطر بیماری پارکینسون را با دقت ۹۶ درصد تشخیص دهد.
یک شیمیدان گروه تحقیقاتی به نام ویلیام دونالد از دانشگاه نیو ساوت ولز می‌گوید: «در اینجا ما تمام اطلاعات را از همان ابتدا وارد CRANK-MS می‌کنیم. و از این طریق، می‌توانیم پیش‌بینی مدل را دریافت کنیم و تشخیص دهیم که کدام متابولیت‌ها بیشترین فایده پیش‌بینی‌کنندگی را دارند.»
پس اگر متابولیت‌هایی وجود داشته باشند که با استفاده از روش‌های معمولی متوجه آنها نشده باشیم، با این روش کشف می‌شوند.
CRANK-MS برای سایر دانشمندان در دسترس قرار گرفته.پ س حتی بیماری‌های بیشتری را می‌توان از طریق نمونه خون شناسایی کرد.
اکنون محققان می‌خواهند سیستم خود را روی گروه‌های بسیار بزرگ‌تری در نقاط بیشتری از جهان آزمایش کنند تا ببینند آیا تحلیل هوش مصنوعی برای پارکینسون قابل قبول است یا خیر. اما نتایج اولیه از نظر تجزیه و تحلیل متابولیت‌های خون امیدوارکننده است.
این تحقیق در ACS Central Science منتشر شده.
