کشف دو زیرنوع جدید بیماری ام‌ اس توسط دانشمند ایرانی با کمک هوش مصنوعی

در تازه‌ترین پژوهش‌های علمی، گروهی از محققان به سرپرستی یک دانشمند ایرانی موفق شدند با بهره‌گیری از هوش مصنوعی، دو زیرمجموعه بیولوژیکی جدید از بیماری ام‌اس را کشف کنند که پیش‌تر ناشناخته بود. این کشف نوآورانه می‌تواند انقلابی در روش درمان بیماران مبتلا به ام‌اس ایجاد کند و امکان ارائه درمان‌های شخصی‌سازی‌شده براساس ویژگی‌های اختصاصی هر بیمار را فراهم سازد. اهمیت این دستاورد زمانی روشن می‌شود که بدانیم درمان‌های فعلی ام‌اس عمدتاً براساس علائم ظاهری و نه بیولوژی درونی بیماری طراحی شده‌اند و همین موضوع باعث ناکارآمدی درمان‌ها در برخی بیماران می‌شود.

بیماری ام‌اس میلیون‌ها نفر در سراسر جهان را تحت تأثیر قرار داده است و به دلیل پیچیدگی‌های بیولوژیکی، شناسایی زیرشاخه‌های متفاوت این بیماری برای پزشکان اهمیت زیادی دارد. با استفاده از هوش مصنوعی، پژوهشگران قادر شدند الگوهای پنهان در داده‌های MRI و آزمایش خون را شناسایی کنند که پیش از این از دید متخصصان پنهان مانده بود و همین امر امکان طراحی درمان‌های هدفمند و پیش‌بینی دقیق روند بیماری را فراهم می‌آورد.

روش تحقیق و استفاده از هوش مصنوعی

در این مطالعه، پژوهشگران دانشگاه کالج لندن به سرپرستی دکتر آرمان اسحاقی، دانشمند ایرانی، داده‌های مربوط به ۶۰۰ بیمار مبتلا به ام‌اس را تحلیل کردند. آن‌ها از یک مدل یادگیری ماشینی به نام SuStaIn استفاده کردند که توانایی شناسایی الگوهای پیچیده و پنهان در داده‌های پزشکی را دارد. تمرکز محققان بر ترکیب دو نوع داده بود: اسکن‌های MRI مغز و میزان پروتئینی به نام sNfL در خون.

پروتئین sNfL زمانی آزاد می‌شود که سلول‌های عصبی آسیب می‌بینند و نشان‌دهنده شدت و میزان فعالیت بیماری ام‌اس است. بررسی همزمان این پروتئین و تغییرات ساختاری مغز به دانشمندان این امکان را داد تا الگوهای پنهان تخریب عصبی و پیشرفت بیماری را شناسایی کنند. این رویکرد می‌تواند در آینده مبنای تشخیص‌های دقیق‌تر و درمان‌های هدفمند برای هر بیمار قرار گیرد.

کشف دو نوع جدید از بیماری ام‌ اس

تحلیل داده‌ها نشان داد که بیماران مبتلا به ام‌اس را می‌توان در دو زیرگروه بیولوژیکی کاملاً متفاوت دسته‌بندی کرد:

گروه sNfL زودرس:

در این گروه، سطح پروتئین sNfL از ابتدای بیماری افزایش می‌یابد و آسیب‌ها عمدتاً به جسم پینه‌ای وارد می‌شود؛ بخشی از مغز که دو نیمکره را به هم متصل می‌کند. روند پیشرفت بیماری در این بیماران سریع‌تر است و ضایعات مغزی زودتر شکل می‌گیرند. این نوع ام‌اس تهاجمی‌تر است و نیازمند درمان‌های فوری و با اثربخشی بالا است.

گروه sNfL دیررس:

در این دسته، آسیب‌های مغزی ابتدا در نواحی خاصی مانند قشر لیمبیک و ماده خاکستری کوچک مشاهده می‌شوند و افزایش سطح پروتئین sNfL در مراحل بعدی رخ می‌دهد. روند پیشرفت بیماری در این بیماران آهسته‌تر است و آسیب‌های عصبی دیرتر خود را نشان می‌دهند. شناسایی این الگوها به پزشکان اجازه می‌دهد تا درمان‌هایی طراحی کنند که بر محافظت از سلول‌های مغزی و کند کردن روند تخریب تمرکز دارند.

دکتر آرمان اسحاقی در این زمینه تأکید کرده است که ام‌اس یک بیماری واحد نیست و دسته‌بندی‌های فعلی، توانایی توضیح کامل تغییرات بافتی مغز را ندارند. با شناسایی این زیرگروه‌ها، پزشکان می‌توانند درمان‌ها را شخصی‌سازی کنند و بیماران با فرم تهاجمی بیماری تحت نظارت دقیق‌تر قرار گیرند.

اهمیت بالینی و کاربردهای درمانی

این کشف علاوه بر ایجاد دسته‌بندی دقیق‌تر برای بیماران، می‌تواند تأثیر قابل‌توجهی بر درمان‌های شخصی‌سازی‌شده داشته باشد. پزشکان اکنون می‌توانند پیش‌بینی کنند که کدام بیماران به درمان‌های قوی‌تر و سریع‌تر نیاز دارند و کدام گروه از درمان‌هایی بهره‌مند می‌شوند که تمرکز بر محافظت از مغز و کاهش تخریب دارد.

همچنین این تحقیق مسیر توسعه داروهای جدید مبتنی بر داده‌های بیولوژیکی و تحلیل‌های هوش مصنوعی را هموار می‌کند. استفاده از مدل‌های یادگیری ماشینی در پزشکی، علاوه بر تشخیص و دسته‌بندی دقیق‌تر، می‌تواند هزینه درمان را کاهش داده و کیفیت زندگی بیماران را بهبود بخشد.

انتشار نتایج و چشم‌ انداز آینده

یافته‌های این پژوهش در ژورنال معتبر Brain منتشر شده است و توجه جامعه علمی بین‌المللی را جلب کرده است. این دستاورد نشان می‌دهد که تلفیق داده‌های پزشکی با هوش مصنوعی می‌تواند راهکارهای نوینی برای مقابله با بیماری‌های پیچیده‌ای مانند ام‌اس ارائه دهد.

با ادامه تحقیقات در این زمینه، انتظار می‌رود شناسایی زیرگروه‌های بیشتر از بیماری ام‌اس و سایر اختلالات عصبی ممکن شود. چنین پیشرفت‌هایی می‌تواند باعث شود درمان‌ها نه تنها علائم را مدیریت کنند بلکه روند واقعی بیماری را کند کنند و کیفیت زندگی بیماران به‌طور چشمگیری افزایش یابد.

جمع‌ بندی

کشف دو نوع جدید بیماری ام‌اس با کمک هوش مصنوعی نشان می‌دهد که بیماری‌های پیچیده عصبی تنها با نگاه سنتی قابل درک نیستند. استفاده از فناوری‌های نوین مانند یادگیری ماشینی امکان شناسایی الگوهای پنهان و طراحی درمان‌های شخصی‌سازی‌شده را فراهم می‌کند. این پیشرفت علمی، گامی مهم در مسیر پزشکی دقیق و هوشمند است که می‌تواند آینده درمان بیماران مبتلا به ام‌اس و سایر بیماری‌های عصبی را دگرگون کند.