اخبار داخلی دانش و فناوری هوش مصنوعی وضعیت سلامتی در دوران پیری را پیش‌بینی می‌کند

شنبه 1 دي 1397

هوش مصنوعی وضعیت سلامتی در دوران پیری را پیش‌بینی می‌کند

دانشمندان از فناوری یادگیری ماشین برای پیدا کردن نشانه‌هایی استفاده می‌کنند که می‌توانند به پیش‌بینی قوی و سالم باقی ماندن یک فرد در دوران پیری کمک کنند.

به نقل از تک‌تایمز، هوش مصنوعی توسعه یافته توسط محققان دانشگاه "سالک"(Salk) می‌تواند پیش‌بینی کند که یک فرد به خوبی و همراه با سلامتی پیر می‌شود یا از بسیاری از بیماری‌های مرتبط با پیری رنج خواهد برد.
آنها از فناوری یادگیری ماشین نشانگرهای زیستی را یافته‌اند که می‌تواند در آینده به توسعه درمان‌های مربوط به بیماری‌های مرتبط با پیری کمک کند.
یک تیم از دانشمندان دانشگاه "سالک" سلول‌های پوستی بیش از 100 نفر از سن یک تا 94 سالگی را مورد بررسی قرار دادند. آنها می‌خواستند ببینند که آیا سلول‌های پوستی نشانه‌های پیری را نشان می‌دهند و سپس داده‌ها را به یک الگوریتم یادگیری ماشین اختصاصی که قادر به پیش‌بینی سن فرد است، بدهند.
دانشمندان امیدوارند بتوانند از این روش برای درک فرایندهای بیولوژیکی پیری استفاده کنند و به شرایط بهداشتی مرتبط با آن بپردازند.
همه افراد به یک شیوه پیر نمی‌شوند. برخی افراد نشانه‌های پیری را نشان می‌دهند و به دلیل شیوه زندگی ناسالم، پیش از موعد دچار بیماری‌های مرتبط با پیری می‌شوند. اما برخی دیگر اصلاحا بهتر پیر می‌شوند و حتی پس از 80 یا 90 سالگی قوی و سالم باقی می‌مانند.
بین سن تاریخی و سن بیولوژیکی تفاوت وجود دارد. سن تاریخی مقدار زمانی است که شخص در زندگی گذرانده است و سن بیولوژیکی وابسته به نحوه زندگی فرد و چگونگی عملکرد بدنی وی است.
محققان امیدوارند عواملی را که در پشت بهتر پیر شدن برخی افراد است، کشف کنند.
"ساکت ناولاخا" استادیار و یکی از نویسندگان این مطالعه گفت: این آزمایش برای تعیین نشانگرهای مولکولی پیری در کل محدوده عمر انسان طراحی شده است. ما می‌خواهیم الگوریتم‌هایی ایجاد کنیم که می‌توانند پیریِ سالم و پیریِ ناسالم را پیش‌بینی کنند و سعی‌کنند تفاوت‌ها را پیدا کنند.
محققان برای این مطالعه، نوع خاصی از سلول‌های پوستی را که فیبروبلاست‌های پوستی نامیده می‌شوند و مسئول تولید بافت‌های همبند و کمک به سلول‌های پوست هستند، مورد بررسی قرار دادند. آنها نمونه‌هایی را برای تقسیم شدن به آزمایشگاه آوردند، سپس از توالی RNA استفاده کردند تا به دنبال نشانگرهای زیستی(بیومارکر) بگردند که وقتی افراد پیر می‌شوند، تغییر می‌کنند.
یادگیری ماشین برای مرتب کردن داده‌های توالی RNA و شناسایی نشانگرهای زیستی که پیری را نشان می‌داد، برنامه‌ریزی شد. سرانجام محققان قادر به پیش‌بینی سن هر فرد با میانگین خطای کمتر از 8 سال شدند.
اگر یافته‌های آنها معتبر باشد، پزشکان می‌توانند از بیومارکرهای شناسایی شده در این مطالعه استفاده کنند تا زمان درست هشدار به افراد مستعد به ابتلا به بیماری‌های مرتبط با پیری را تشخیص داده و به آنها توصیه‌هایی برای تغییر شیوه زندگی خود بدهند. "ناولاخا افزود: پیری عامل بسیاری از بیماری‌ها از جمله آلزایمر و سایر بیماری‌های عصبی است. اگر ما بتوانیم نشان دهیم که تغییراتی که در فیبروبلاست‌ها دیده‌ایم با پیری در سایر سلول‌ها مرتبط است، ممکن است در نهایت بتوانیم از این نشانگرها برای توسعه مداخلات هدفمند استفاده کنیم.
با این حال محققان خاطرنشان کردند که نشانگرهای زیستی، در حالی که پیری را پیش‌بینی می‌کنند، باعث پیری نمی‌شوند و عامل پیری نیستند.
قبل از اینکه این یافته‌ها در محیط بیمارستان استفاده شوند یا درمان‌های پیشگیرانه توسعه یابد، تحقیقات بیشتری باید انجام شود.
جزئیات این مطالعه در مجله Genome Biology منتشر شده است.