کشف بزرگ محقق ایرانی با کمک هوش مصنوعی؛ درمان ام‌اس وارد مرحله‌ای جدید شد

یک دستاورد علمی مهم با محوریت هوش مصنوعی، نگاه پزشکان به بیماری ام‌اس را متحول می‌کند.

گروهی از دانشمندان به رهبری یک پژوهشگر ایرانی با استفاده از هوش مصنوعی موفق شدند دو زیرگروه بیولوژیکی کاملاً جدید از بیماری ام‌اس (MS) را شناسایی کنند؛ زیرگروه‌هایی که تاکنون در طب بالینی ناشناخته بودند و می‌توانند مسیر درمان این بیماری را به‌طور بنیادین تغییر دهند.

این پژوهش که حاصل تحلیل دقیق اسکن‌های MRI مغز و آزمایش خون بیش از ۶۰۰ بیمار مبتلا به ام‌اس است، نشان می‌دهد که برخلاف تصور رایج، ام‌اس یک بیماری واحد با روند مشابه در همه بیماران نیست، بلکه الگوهای زیستی متفاوتی دارد که باید به‌صورت شخصی‌سازی‌شده درمان شوند.

چرا این کشف اهمیت دارد؟

بیماری ام‌اس میلیون‌ها نفر را در سراسر جهان درگیر کرده است، اما درمان‌های رایج اغلب بر اساس علائم ظاهری تجویز می‌شوند، نه بر پایه زیست‌شناسی پنهان بیماری. همین موضوع باعث می‌شود برخی بیماران داروهایی دریافت کنند که اثربخشی کافی برای شرایط خاص آنها ندارد.

در این پژوهش، تیم علمی دانشگاه University College London به سرپرستی دکتر آرمان اسحاقی با استفاده از یک مدل پیشرفته یادگیری ماشینی به نام SuStaIn توانستند الگوهایی را شناسایی کنند که پیش‌تر از دید پزشکان پنهان مانده بود.

نقش هوش مصنوعی در شناسایی الگوهای پنهان ام‌اس

محققان با ترکیب داده‌های تصویربرداری MRI و سطح پروتئینی به نام sNfL در خون (که هنگام آسیب سلول‌های عصبی آزاد می‌شود)، به درک عمیق‌تری از شدت و روند پیشرفت بیماری دست یافتند. این رویکرد مبتنی بر هوش مصنوعی امکان تحلیل هم‌زمان حجم عظیمی از داده‌های پیچیده را فراهم کرد؛ کاری که با روش‌های سنتی عملاً غیرممکن است.

کشف دو نوع جدید از بیماری ام‌اس

ام‌اس با الگوی «sNfL زودرس»

در این گروه، سطح پروتئین sNfL در همان مراحل ابتدایی بیماری به‌طور قابل‌توجهی افزایش می‌یابد. آسیب‌های عصبی زودتر آغاز می‌شوند و به بخش‌هایی مانند جسم پینه‌ای مغز گسترش پیدا می‌کنند. این بیماران معمولاً با پیشرفت سریع‌تر و تهاجمی‌تر بیماری روبه‌رو هستند و به درمان‌های قوی‌تر و نظارت دقیق‌تر نیاز دارند.

ام‌اس با الگوی «sNfL دیررس»

در این دسته، ابتدا نواحی خاصی از مغز مانند قشر لیمبیک و ماده خاکستری دچار تغییر می‌شوند و افزایش سطح sNfL در مراحل بعدی رخ می‌دهد. روند پیشرفت بیماری در این بیماران کندتر است و علائم عصبی شدید دیرتر ظاهر می‌شوند. درمان در این گروه می‌تواند بیشتر بر محافظت از سلول‌های مغزی و کند کردن روند تخریب عصبی متمرکز باشد.

گامی به‌سوی درمان شخصی‌سازی‌شده ام‌اس

به گفته دکتر اسحاقی، این یافته‌ها نشان می‌دهد که ام‌اس یک بیماری یکنواخت نیست و دسته‌بندی‌های فعلی توان توضیح همه تغییرات زیستی آن را ندارند. با این روش جدید، پزشکان می‌توانند:

• آینده بیماری هر بیمار را دقیق‌تر پیش‌بینی کنند

• داروی مناسب‌تری را از همان ابتدا انتخاب کنند

• از درمان‌های غیرضروری یا کم‌اثر جلوگیری کنند

جمع‌بندی

این کشف بزرگ، نمونه‌ای روشن از نقش کلیدی هوش مصنوعی در پزشکی آینده است؛ جایی که تشخیص و درمان نه بر اساس میانگین بیماران، بلکه بر پایه ویژگی‌های زیستی هر فرد انجام می‌شود. دستاورد محققان ایرانی و بین‌المللی در این پژوهش می‌تواند امید تازه‌ای برای میلیون‌ها بیمار مبتلا به ام‌اس در سراسر جهان باشد.


برای مشاهده جدیدترین اخبار، به پایگاه خبری هوش مصنوعی ایران مراجعه کنید.