محققان با استفاده از یک روش جدید مبتنی بر استفاده از یادگیری ماشینی (هوش مصنوعی ) موفق به تشخیص دقیق تر عفونت خون شده اند و امیدوارند در آینده مقاومت به آنتی بیوتیک را هم پیش بینی کنند.
به گزارش ایرنا از «سای تک دیلی»، بر اساس برآوردها، عفونت خون یا سپسیس یعنی شرایطی که در آن سیستم ایمنی واکنش بیش از حد به عفونت نشان می دهد، مسوول ۲۰ درصد از مرگ و میر در جهان است و هر سال بین ۲۰ تا ۵۰ درصد از مرگ ها در بیمارستانهای آمریکا بر اثر آن روی می دهد. با وجود شدت و تناوب آن، اما تشخیص و درمان این شرایط چالش برانگیزبوده و درمان مؤثر آن دشوار بوده است.
این بیماری میتواند به کاهش جریان خون به اندام های حیاتی بدن، التهاب گسترده و لختگی خونی منجر شود. در نتیجه، عفونت خون امکان دارد به شوک، از کار افتادن اندام های بدن و در صورتی که فوری درمان نشود به مرگ بینجامد. تشخیص اینکه کدام پاتوژن موجب این بیماری در جریان خون یا جای دیگری از بدن شده، دشوار است.
در این حال محققانی از دانشگاه کالیفرنیا و چند موسسه تحقیقاتی دیگر اکنون یک روش تشخیصی جدید ابداع کرده اند که از یادگیری ماشینی برای آنالیز داده های پیشرفته ژنومیک برای تشخیص و پیش بینی موارد این بیماری استفاده می کند. بنا بر گزارش ها این روش بطور غیرمنتظره ای از صحت (درستی نتایج) برخوردار است و این ظرفیت را دارد که از مهارت های تشخیصی کنونی پیشی بگیرد. نتایج کار این محققان به تازگی در نشریه« میکروبیولوژی طبیعت» منتشر شده است.
به گفته محققان، شیوه های کنونی تشخیص عفونت خون بر ردگیری باکتری از طریق رشد دادن آن ها از طریق کشت در آزمایشگاه متمرکز است؛ فرایندی که برای درمان آنتی بیوتیکی مناسب ضرورت دارد، ولی کشت دادن این پاتوژن ها زمان گیر است و همیشه هم بدرستی باکتری (Bacterium) مسبب عفونت را شناسایی نمی کند.
در فقدان یک روش تشخیصی قطعی، پزشکان اغلب آمیزه ای از آنتی بیوتیک ها را تجویز می کنند تا بلکه بتوانند عفونت را متوقف کنند، اما مصرف بیش از حد آنتی بیوتیک ها به مقاومت دربرابر این داروها در سطح جهانی منجر شده است.
محققان در این روش جدید بجای کشت باکتری برای شناسایی پاتوژن ها، از روش زنجیره بندی متاژنومیک نسل بعدی (mNGS) استفاده کردند. این روش تمام اسیدهای هسته ای (nucleic) یا داده های ژنتیکی حاضر در یک نمونه را شناسایی می کند و سپس آن داده ها را با ژنوم های مرجع مقایسه می کند تا از این طریق ارگانیسم های میکروبی حاضر شناسایی شوند. این تکنیک به دانشمندان اجازه می دهد مواد ژنتیکی از قلمروهای کاملا متفاوتی از ارگانیسم ها – اعم از باکتری، ویروس یا قارچ را شناسایی کنند.
ولی شناسایی پاتوژن ها به تنهایی برای تشخیص درست عفونت خون کافی نیست. دانشمندان همچنین روش «نمایه برداری رونویسی» (transcriptional profiling) را اجرا کردند. این روش که کمیت بیان ژن را مشخص می کند به تعیین پاسخ بیمار به عفونت کمک می کند. آن ها سپس با کاربرد یادگیری ماشینی برای تمایز بین عفونت خون و سایر بیماریها و تائید تشخیص خود استفاده کردند.
این محققان دریافتند که شیوه mNGS و مدل بعدی آن عملکردی بهتر از حد انتظار داشته و قادر به تشخیص ۹۹ درصد از موارد عفونت خون باکتریایی است. این تیم امیدوار است با این تکنیک تشخیصی موفقیت آمیز همچنین به مدلی دست پیدا کند که بتواند مقاومت آنتی بیوتیکی را نیز پیش بینی کند.
- 17
- 1
