امید تازه برای درمان سرطان استخوان در کودکان با مدل هوشمند متابولومیکس و هوش مصنوعی
New hope for treating bone cancer in children with an intelligent model
خلاصه خبر: محققان دانشگاه علوم پزشکی ایران با تلفیق دادههای متابولومیکس و الگوریتمهای هوش مصنوعی، مدل هوشمندی برای پیشبینی دقیقتر متاستاز و پایش روند استئوسارکوما در کودکان توسعه دادند.
محققان گروه بیوشیمی بالینی دانشگاه علوم پزشکی ایران با گذار از رویکردهای تکبعدی و تلفیق دادههای متابولومیکس با الگوریتمهای هوش مصنوعی، موفق به توسعه مدل هوشمندی شدند که با شناسایی امضای زیستی اختصاصی هر بیمار، توانایی پیشبینی دقیقتر متاستاز و پایش هوشمند روند بیماری را دارد. به گزارش ایسنا به نقل از معاونت تحقیقات و فناوری دانشگاه علوم پزشکی ایران، استئوسارکوما یا تومور بدخیم استخوان، یکی از چالشهای بزرگ حوزه انکولوژی است که بهدلیل درگیری عمدتاً کودکان و نوجوانان اهمیت ویژهای دارد و با وجود پیشرفتهای درمانی، بازگشت بیماری و متاستاز آن به ارگانهای حیاتی نظیر ریه کماکان معضل جدی بیماران محسوب میشود. گروهی از محققان دانشگاه علوم پزشکی ایران با استفاده از رویکردهای چندلایه و الگوریتمهای هوش مصنوعی، موفق به ترسیم نقشه زیستی یکپارچهای برای درک مکانیسمهای بیماریزایی این تومور تهاجمی شدند. دکتر معصومه توکلی یرکی، استاد گروه بیوشیمی بالینی دانشکده پزشکی و مجری این طرح، اظهار کرد: پژوهش حاضر در امتداد یک خط تحقیقاتی هدفمند برای شناسایی مسیرهای مولکولی و متابولیک مؤثر در تومورهای تهاجمی استخوان شکل گرفته است. او با بیان اینکه اکثر مطالعات پیشین روی استئوسارکوما رویکردی تکبعدی داشتهاند، تصریح کرد: شواهد علمی نشان میدهد این بیماری فراتر از یک توده سلولی موضعی، یک اختلال سیستمیک است که با بازبرنامهریزی گسترده متابولیسم لیپیدها و آمینواسیدها و سرکوب سیستم ایمنی همراه است. توکلی در تشریح دستاوردهای این مطالعه که بخشی از پایاننامه دکتری محمد امین واعظی، دانشجوی بیوشیمی بالینی دانشگاه علوم پزشکی ایران است، به چهار محور نوآورانه اشاره کرد: بر اساس رویکرد شبکهای برای نخستینبار، دادههای متابولیک، التهابی و ایمونولوژیک در یک چارچوب تحلیلی واحد ادغام شدند تا ارتباطات پنهان میان سیستمهای زیستی شناسایی شود؛ بهرهگیری از هوش مصنوعی و الگوریتمهای یادگیری ماشین بهجای روشهای آماری سنتی منجر به توسعه مدلهای تشخیصی با دقت و پایداری بالا شد؛ با گذار از بیومارکرهای منفرد به پنلهای تشخیصی، پنلهای چندجانبه با توان بالاتر در افتراق بیماران از افراد سالم طراحی شد؛ و در نهایت استفاده از امضای متابولیک شخصی برای به تصویر کشیدن مکانیسمهای فرار ایمنی تومور در هر بیمار. این استاد دانشگاه تأکید کرد: یافتههای ما میتواند در تشخیص زودهنگام بیماری بهویژه در مراکز درمانی با امکانات محدود، پایش وضعیت بیماران از نظر احتمال عود و متاستاز و همچنین شناسایی اهداف درمانی نوین برای ایمونوتراپی راهگشا باشد. توکلی ضمن قدردانی از حمایتهای معاونت تحقیقات و فناوری دانشگاه و همکاری دکتر خدامراد جمشیدی و سایر تیمهای تخصصی دانشکده پزشکی، خواستار حمایتهای سیستمی بیشتر شد و گفت: تخصیص گرنتهای پژوهشی پایدار برای مطالعات پرهزینه متابولومیکس، تجهیز مراکز مرجع آزمایشگاهی برای انجام آنالیزهای پیشرفته مانند LC-MS/MS در داخل کشور و تسهیل همکاریهای بینرشتهای میان متخصصان بالینی و مهندسان داده، از ملزومات اصلی برای تبدیل این یافتههای بنیادی به ابزارهای بالینی است.
پرسشهای متداول درباره این خبر
موضوع اصلی این گزارش چیست؟
محققان دانشگاه علوم پزشکی ایران با تلفیق دادههای متابولومیکس و الگوریتمهای هوش مصنوعی، مدل هوشمندی برای پیشبینی دقیقتر متاستاز و پایش روند استئوسارکوما در کودکان توسعه دادند.
مرجع و منبع انتشار این خبر کجاست؟
این گزارش بر پایهٔ بیانیهها و اطلاعات منتشرشده از سوی ایسنا در بخش اخبار دارویی ایران تنظیم شده است.
عنوان بینالمللی و لاتین این موضوع چیست؟
New hope for treating bone cancer in children with an intelligent model
به مدیونایتد بپیوندید 🎉
جدیدترین اخبار دارو و سلامت را در شبکههای اجتماعی دنبال کنید