تشخیص آرتروز با دقت ۹۸ درصدی در عرض چند دقیقه توسط هوش مصنوعی
tgju
1
1404-02-10 04:32:00

تشخیص آرتروز با دقت ۹۸ درصدی در عرض چند دقیقه توسط هوش مصنوعی

یک پلتفرم تشخیصی نوین که توسط پژوهشگران کره جنوبی طراحی شده است می‌تواند به شکل قابل توجهی مشکلات تشخیصی را بهبود بخشد. این سیستم حسگر نانوذرات طلای پیشرفته‌ای را با استفاده از هوش مصنوعی ترکیب کرده و به تجزیه و تحلیل مایع مفصلی که نقش روان‌کننده‌ای در مفاصل افراد دارد می‌پردازد. توانایی این سیستم در تشخیص آرتروز (OA) و آرتریت روماتوئید (RA) به دقت ۹۸.۱ درصد می‌رسد. این سامانه راه‌حلی عملی اقتصادی و قابل ارتقاء برای تشخیص آرتروز در شرایط بالینی ارائه می‌دهد. آزمایش سریع این سیستم نه تنها تمایز بین دو نوع رایج آرتروز را ممکن می‌سازد بلکه می‌تواند شدت روماتیسم مفصلی را نیز ارزیابی کند و به پزشکان این امکان را می‌دهد تا درمان‌های دقیق‌تری را تنظیم کنند.

چرا تشخیص سریع آرتروز اهمیت دارد؟ برای میلیون‌ها نفر در سرتاسر جهان که با درد مفاصل مواجه هستند تشخیص به موقع بین آرتروز و آرتریت روماتوئید از اهمیت ویژه‌ای برخوردار است. با وجود اینکه این دو بیماری علائم مشابهی مانند درد و التهاب مفاصل دارند اما دلایل و درمان‌های متفاوتی دارند. آرتروز عمدتاً به دلیل سایش مکانیکی مفاصل به وجود می‌آید در حالی که آرتریت روماتوئید نتیجه حمله سیستم ایمنی به مفاصل است.

در حال حاضر پزشکان برای تشخیص آرتروز از ترکیبی از پرسشنامه‌ها آزمایش‌های تصویربرداری و تجزیه و تحلیل‌های آزمایشگاهی استفاده می‌کنند که این فرآیند می‌تواند زمان‌بر پرهزینه و گاهی اوقات بی‌نتیجه باشد به ویژه در مراحل اولیه بیماری. پژوهشگران بیان کرده‌اند که دقت آزمایش‌های بیوپسی مایع فعلی حدود ۷۰ تا ۸۰ درصد است اما اغلب در شناسایی صحیح بیماران در مراحل اولیه آرتروز با چالش مواجه هستند.

روش جدید آنها از تکنیکی به نام طیف‌سنجی رامان ارتقاء یافته سطحی (SERS) بهره می‌برد که می‌تواند مقادیر بسیار کمی از مولکول‌ها را با ثبت ارتعاشات منحصر به فرد آنها مانند اثر انگشت شیمیایی شناسایی کند. برای افزایش حساسیت سیستم این تیم کاغذ ویژه‌ای را با نانوذرات طلا پوشش داده که سیگنال مایع مفصلی را به طرز چشمگیری تقویت می‌کند. زمانی که قطره‌ای کوچک از مایع مفصلی بر روی این کاغذ طلا قرار می‌گیرد دستگاه یک امضای طیفی منحصر به فرد را ثبت می‌کند که می‌تواند با استفاده از الگوریتم‌های یادگیری ماشینی تحلیل شود. مدل ماشین بردار پشتیبانی (SVM) برای طبقه‌بندی این امضاها آموزش داده شده و به حساسیت ۹۷.۳ درصد در تمایز بین نمونه‌های آرتروز و آرتریت روماتوئید دست یافته است.

پژوهشگران تنها به تشخیص دو نوع آرتروز بسنده نکرده و با استفاده از ابزارهای ریاضی پیشرفته مانند ضریب همبستگی پیرسون (PCC) و فاکتورگیری ماتریس غیرمنفی (NMF) به شناسایی و اندازه‌گیری مولکول‌های خاصی در مایع مفصلی پرداختند که می‌توانند به عنوان نشانگرهای زیستی عمل کنند. انتهای پیام به نقل از tgju

انتهای پیام/

خانه خدمات وبلاگ جستجو اخبار درباره ما تماس با ما