اخبار
شنبه، 09 اسفند 1399
تشخیص بهتر اختلال "اوتیسم" به کمک یادگیری ماشین

تشخیص بهتر اختلال "اوتیسم" به کمک یادگیری ماشین


محققان مرکز پزشکی دانشگاه تگزاس ساوت‌وسترن در مطالعه اخیرشان از ابزار یادگیری ماشین برای تجزیه و تحلیل صدها پروتئین استفاده کردند و گروهی از نشانگرهای زیستی در خون را شناسایی کردند که می‌تواند به تشخیص زودتر کودکان مبتلا به اختلال طیف اوتیسم (ASD) منجر شود؛ این امر می‌تواند به آغاز زودتر درمان‌های موثرتر نیز بی انجامد.

 

به گزارش ایسنا و به نقل از تی ان، شناسایی ۹ پروتئین در خون که توسط آن می‌توان  با دقت بالا اختلال طیف اوتیسم را پیش بینی کرد گامی مهم در حوزه پزشکی محسوب می‌شود. تشخیص زودهنگام و به دنبال آن شروع زودتر روند درمان می‌تواند تأثیر قابل توجهی بر زندگی افراد مبتلا به این اختلال داشته باشد.
دوایت جرمن (Dwight German) استاد روانپزشکی مرکز پزشکی دانشگاه تگزاس ساوت‌وسترن و نویسنده ارشد این مطالعه گفت: شناسایی کودکان مبتلا به اختلال طیف اوتیسم در هنگامی آنها کودکانی نوپا هستند می‌تواند تفاوت بزرگی در درمان آنها ایجاد کند.
در حال حاضر، میانگین سنی کودکان مبتلا به اختلال طیف اوتیسم در ایالات متحده ۴ سال است. تشخیص این اختلال قبل از ۴ سالگی به این معناست که کودک بیشتر تحت درمان موثر و مبتنی بر شواهد قرار می‌گیرد.
بسیاری از کاندیداهای نشانگر زیستی مبتنی بر خون از جمله انتقال دهنده‌های عصبی، سیتوکین‌ها و نشانگرهای اختلال عملکرد میتوکندری، استرس اکسیداتیو و متیلاسیون مختل شده، مورد بررسی قرار گرفته‌اند. با این حال با توجه به افزایش ابتلا به اختلال طیف اوتیسم، استفاده از یادگیری ماشین برای تجزیه وتحلیل داده‌ها می‌تواند به پزشکان کمک کند تا با دقت بیشتری وضعیت بیماری و شدت علائم آن را بررسی کنند.
در این مطالعه، نمونه‌های خون ۷۶ پسر مبتلا به اختلال طیف اوتیسم و ۷۸ پسر سالم در حال رشد در سنین ۱۸ ماه تا ۸ سال مورد بررسی قرار گرفتند.
همه 9 پروتئین موجود در پنل نشانگرزیستی پسران مبتلا به اختلال طیف اوتیسم در مقایسه با پسران گروه دیگر متفاوت بودند. محققان دریافتند که هر یک از این ۹ پروتئین خون بسیار با شدت علائم این اختلال ارتباط دارند.
بیش از ۱۱۰۰ پروتئین با استفاده از پلت فرم تجزیه و تحلیل پروتئین SomaLogic مورد بررسی قرار گرفت. پنلی از 9 پروتئین برای پیش بینی اختلال طیف اوتیسم با استفاده از سه روش محاسباتی شناخته شد. سپس محققان پنل نشانگر زیستی را با استفاده از روش‌های یادگیری ماشین از نظر کیفیت ارزیابی کردند. البته برای تأیید کامل یافته‌های حاضر به مطالعات بیشتری نیاز است.
محققان خاطرنشان کردند: هرچه زودتر بتوانیم کودکان مبتلا به اختلال طیف اوتیسم را شناسایی کنیم ، درک بهتری از روش‌های درمانی که کیفیت زندگی آنها را بهبود می‌بخشد به دست خواهیم آورد..

منبع:
 ایسنا