هوش مصنوعی وضعیت سلامتی در دوران پیری را پیش بینی می كند
با فناوری: دانشمندان از فناوری یادگیری ماشین برای پیدا كردن نشانه هایی استفاده می نمایند كه می توانند به پیش بینی قوی و سالم باقی ماندن یك فرد در دوران پیری كمك كنند.
به گزارش با فناوری به نقل از ایسنا و به نقل از تك تایمز، هوش مصنوعی توسعه یافته توسط محققان دانشگاه "سالك"(Salk) می تواند پیش بینی نماید كه یك فرد به خوبی و همراه با سلامتی پیر میگردد یا از خیلی از بیماری های در رابطه با پیری رنج خواهد برد.
آنها از فناوری یادگیری ماشین نشانگرهای زیستی را یافته اند كه می تواند در آینده به توسعه درمان های مربوط به بیماری های در رابطه با پیری كمك نماید.
یك تیم از دانشمندان دانشگاه "سالك" سلول های پوستی بیشتر از 100 نفر از سن یك تا 94 سالگی را مورد بررسی قرار دادند. آنها می خواستند ببینند كه آیا سلول های پوستی نشانه های پیری را نشان می دهند و سپس داده ها را به یك الگوریتم یادگیری ماشین اختصاصی كه قادر به پیش بینی سن فرد است، بدهند.
دانشمندان امیدوارند بتوانند از این روش برای درك فرایندهای بیولوژیكی پیری استفاده كنند و به شرایط بهداشتی در رابطه با آن بپردازند.
همه افراد به یك شیوه پیر نمی شوند. برخی افراد نشانه های پیری را نشان می دهند و به سبب شیوه زندگی ناسالم، قبل از موعد گرفتار بیماری های در رابطه با پیری می شوند. اما برخی دیگر اصلاحا بهتر پیر می شوند و حتی سپس 80 یا 90 سالگی قوی و سالم باقی می مانند.
بین سن تاریخی و سن بیولوژیكی تفاوت وجود دارد. سن تاریخی مقدار زمانی است كه شخص در زندگی گذرانده است و سن بیولوژیكی وابسته به نحوه زندگی فرد و چگونگی عملكرد بدنی وی است.
محققان امیدوارند عواملی را كه در پشت بهتر پیر شدن برخی افراد است، كشف كنند.
"ساكت ناولاخا" استادیار و یكی از نویسندگان این مطالعه اظهار داشت: این آزمایش برای تعیین نشانگرهای مولكولی پیری در كل محدوده عمر انسان طراحی شده است. ما می خواهیم الگوریتم هایی احداث نماییم كه می توانند پیریِ سالم و پیریِ ناسالم را پیش بینی كنند و اهتمام كنند تفاوت ها را پیدا كنند.
محققان برای این مطالعه، نوع خاصی از سلول های پوستی را كه فیبروبلاست های پوستی نامیده می شوند و مسئول تولید بافت های همبند و كمك به سلول های پوست هستند، مورد بررسی قرار دادند. آنها نمونه هایی را برای تقسیم شدن به آزمایشگاه آوردند، سپس از توالی RNA استفاده كردند تا به دنبال نشانگرهای زیستی(بیوماركر) بگردند كه وقتی افراد پیر می شوند، تغییر می كنند.
یادگیری ماشین برای مرتب كردن داده های توالی RNA و شناسایی نشانگرهای زیستی كه پیری را نشان می داد، برنامه ریزی شد. سرانجام محققان قادر به پیش بینی سن هر فرد با میانگین خطای كمتر از 8 سال شدند.
اگر یافته های آنها معتبر باشد، پزشكان می توانند از بیوماركرهای شناسایی شده در این مطالعه استفاده كنند تا زمان درست آگهی به افراد مستعد به مبتلاشدن به بیماری های در رابطه با پیری را تشخیص داده و به آنها سفارش هایی برای تغییر شیوه زندگی خود بدهند.
"ناولاخا اضافه كرد: پیری عامل خیلی از بیماری ها همچون آلزایمر و سایر بیماری های عصبی است. اگر ما بتوانیم نشان دهیم كه تغییراتی كه در فیبروبلاست ها دیده ایم با پیری در سایر سلول ها مرتبط می باشد، امكان دارد در نهایت بتوانیم از این نشانگرها برای توسعه مداخلات هدفمند استفاده نمائیم.
با این حال محققان خاطرنشان كردند كه نشانگرهای زیستی، در حالیكه پیری را پیش بینی می كنند، موجب پیری نمی شوند و عامل پیری نیستند.
قبل از اینكه این یافته ها در محیط بیمارستان استفاده شوند یا درمان های پیشگیرانه توسعه یابد، تحقیقات بیشتری باید صورت گیرد.
جزئیات این مطالعه در مجله Genome Biology انتشار یافته است.
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب