تشخیص دقیق بیماری شیستوزومیاز با هوش مصنوعی

در یک تحقیق جدید، محققان از هوش مصنوعی برای کشف اطلاعات پنهان، بهبود تشخیص و شناسایی زودهنگام بیماری شیستوزومیاز استفاده کردند.

به گزارش تک‌ناک، پیشرفت جدید در هوش مصنوعی می‌تواند به شناسایی عفونت‌های ناشی از کرم‌های انگلی کمک کند. این سیستم با دقت بالا قادر به تشخیص این عفونت‌ها است و می‌تواند بهبود قابل توجهی در تشخیص و درمان این بیماری‌ها ایجاد کند، به‌ ویژه در مناطقی که منابع کمتری در دسترس است.

نمونه‌های خونی بیماران مبتلا به کرم انگلی که باعث بیماری شیستوزومیاز می‌شود، اطلاعات پنهانی دارند که مراحل مختلف بیماری را نشان می‌دهد.

شیستوزومیاز ادراری یک بیماری است که در اثر آلودگی افراد به کرم انگلی شیستوزوما هماتوبیوم (Schistosoma haematobium) ایجاد می‌شود. این کرم‌ها در عروق خونی اطراف مثانه فرد مبتلا زندگی می‌کنند.

کرم انگلی که باعث بیماری شیستوزومیاز می‌شود، چرخه زندگی خود را در دو میزبان کامل می‌کند. که ابتدا در حلزون‌ها و سپس در پستاندارانی مانند انسان‌ها، سگ‌ها و موش‌ها است. تخم‌های کرم‌ از طریق پوست به میزبان‌های انسانی وارد می‌شوند و در سراسر بدن گردش می‌کنند و به چندین اندام، از جمله کبد، روده، مثانه و مجاری ادراری آسیب می‌زنند.

زمانی که این لاروها به رگ‌های خونی که روده‌ها را به کبد متصل می‌کنند، می‌رسند، به کرم‌های بالغ تبدیل می‌شوند. سپس تخم‌هایی را آزاد می‌کنند که هنگام دفع مدفوع فرد آلوده خارج می‌شوند و چرخه انتقال را ادامه می‌دهند.

از آنجا که تشخیص فعلی بیماری شیستوزومیاز به شناسایی تخم‌ها در مدفوع متکی است، پزشکان اغلب مراحل اولیه عفونت را از دست می‌دهند. وقتی که تخم‌ها شناسایی می‌شوند، بیماران به مرحله پیشرفته بیماری رسیده‌اند.

به دلیل ضعف در نرخ تشخیص، مقامات بهداشت عمومی بیشتر داروی پرازیکوانتل را به صورت جمعی به جمعیت‌های مناطق تحت تأثیر تجویز می‌کنند. با وجود این، پرازیکوانتل نمی‌تواند کرم‌های جوان را در مراحل اولیه عفونت پاک کند و نمی‌تواند از عفونت مجدد جلوگیری نماید.  

مطالعه جدید با شناسایی اطلاعات پنهان در خون که نشان‌دهنده عفونت فعال و مراحل اولیه است، یک راه‌حل واضح برای بهبود تشخیص زودهنگام بیماری شیستوزومیاز و شناسایی علائم اولیه آن ارائه می‌دهد.

بدن یک پاسخ ایمنی به عفونت شیستوزومیازیس می‌دهد. این پاسخ ایمنی شامل چندین نوع سلول ایمنی، همچنین آنتی‌بادی‌هایی که به طور خاص مولکول‌های ترشح شده توسط کرم و تخم‌ها را هدف قرار می‌دهند، است.

این مطالعه دو روش برای شناسایی ویژگی‌های خاصی از آنتی‌بادی‌ها که نشان‌دهنده عفونت اولیه هستند، معرفی می‌کند.

روش اول یک آزمایش است، که داده‌های کمی و کیفی از پاسخ ایمنی را ثبت می‌کند و شامل انواع مختلف آنتی‌بادی‌ها و ویژگی‌هایی می‌باشد که چگونگی ارتباط آنها با دیگر سلول‌های ایمنی را نشان می‌دهد. این اطلاعات به محققان کمک می‌کند تا جنبه‌های خاصی از پاسخ ایمنی را شناسایی کنند که بیماران غیرمبتلا را از بیماران مبتلا به مراحل اولیه و پیشرفته بیماری متمایز می‌نماید.

دومین روش، یادگیری ماشینی است که آنتی‌بادی‌ها را برای شناسایی ویژگی‌های نهفته پاسخ ایمنی که با مرحله و شدت بیماری مرتبط هستند، تجزیه و تحلیل می‌کند.

محققان مدل هوش مصنوعی را با داده‌های ایمنی بیماران مبتلا و غیرمبتلا آموزش دادند و آن را روی داده‌های جدید، همچنین از یک منطقه جغرافیایی دیگر آزمایش کردند. با استفاده از این مدل، آنها نه تنها نشانگرهای زیستی بیماری را شناسایی کردند، بلکه مکانیسم احتمالی بیماری شیستوزومیازیس را نیز کشف کردند.

شیستوزومیازیس یک بیماری گرمسیری نادیده گرفته شده است که بیش از 200 میلیون نفر را در سراسر جهان تحت تأثیر قرار می‌دهد و سالانه 280,000 مرگ و میر ایجاد می‌کند. تشخیص زودهنگام این بیماری می‌تواند اثر بخشی درمان را بهبود بخشد و از شدید شدن بیماری جلوگیری کند.

علاوه بر این، برخلاف بسیاری از روش‌های یادگیری ماشینی که نتیجه‌ آنها معلوم نیست، رویکرد جدید قابل تفسیر است. به این معنا که می‌تواند بینشی از چرایی و چگونگی توسعه بیماری فراتر از شناسایی ساده نشانگرهای بیماری ارائه دهد و استراتژی‌های آینده برای تشخیص و درمان زودهنگام را هدایت کند.