Web Analytics Made Easy - Statcounter

محققان با ترکیب فناوری‌هایی نظیر نانوپلاسمونیک و هوش مصنوعی، ابزاری ساختند که می‌تواند برای تشخیص بیماری‌های عصبی به کار رود.

به گزارش گروه دانشگاه خبرگزاری دانشجو، محققان با ترکیب فناوری‌هایی نظیر نانوپلاسمونیک و هوش مصنوعی، ابزاری ساختند که می‌تواند برای تشخیص بیماری‌های عصبی به کار رود.

محققان EPFL با ترکیب چند فناوری پیشرفته در یک سیستم واحد، گام مهمی در تشخیص بیماری‌های عصبی (NDDS) مانند بیماری پارکینسون (PD) و بیماری آلزایمر (AD) برداشته‌اند.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

این دستگاه جدید به‌عنوان حسگر Immunoseira شناخته می‌شود، یک فناوری زیست‌حسگری است که امکان شناسایی نشانگر‌های پروتئینی نادرست مرتبط با NDDS را فراهم می‌کند. در این پروژه محققان از شبکه‌های عصبی برای تعیین کمی مراحل بیماری و پیشرفت آن استفاده کردند.

این پیشرفت مهم فناوری نه تنها برای تشخیص زودرس و نظارت بر NDD ها، بلکه برای ارزیابی گزینه‌های درمانی در مراحل مختلف پیشرفت بیماری نیز قابل استفاده است.

درمان بیماری‌های عصبی به دلیل عدم وجود روش‌های تشخیصی مؤثر برای تشخیص زودرس و نظارت بر پیشرفت بیماری، با یک چالش مهم روبرو است. تاخوردگی اشتباه پروتئین، یک اتفاق مشترک در بسیاری از بیماری عصبی است، که به عنوان یک رویداد مهم در پیشرفت بیماری شناخته شده است. فرض بر این است که پروتئین‌های سالم ابتدا در مراحل اولیه به صورت اشتباه تا می‌خورند و در مراحل بعدی این بیماری به الیگومر‌ها تبدیل می‌شوند. این پروتئین‌هایی که به صورت اشتباه تاخورده‌اند، در مغز و سیالات زیستی گردش می‌کنند و همچنین به عنوان رسوب در مغز مبتلایان به NDD جمع می‌شوند. اما توسعه ابزار‌هایی برای تشخیص این نشانگر‌های زیستی شناخته تاکنون با چالش‌هایی روبرو بوده است. از جمله این چالش‌ها می‌توان به محدودیت‌های فناوری فعلی برای جداسازی دقیق و تعیین اندازه گیری پروتئین‌های مختلف اشاره کرد.

برای ایجاد این سنسور پیشرفته NDD، محققان زمینه‌های مختلف علوم را با هم ترکیب کردند. بر خلاف رویکرد‌های بیوشیمیایی فعلی که به اندازه‌گیری سطح این مولکول‌ها متکی هستند، رویکرد این گروه بر تشخیص ساختار‌های غیر طبیعی آن‌ها متمرکز شده است. این فناوری همچنین به محققان امکان می‌دهد تا سطح دو شکل غیر طبیعی اصلی پروتئین‌های یعنی الیگومر و فیبریل را از هم متمایز کنند.

حسگر Immunoseira از فناوری به نام طیف سنجی جذب مادون قرمز با سطح افزایش یافته (SEIRA) استفاده می‌کند. این روش به دانشمندان این امکان را می‌دهد تا اشکال مولکول‌های مرتبط با بیماری بیماری‌های عصبی، معروف به نشانگر‌های زیستی، را تشخیص داده و تجزیه و تحلیل کند. در این پروژه محققان فناوری نانوپلاسمونیک، اتاق تمیز، میکروسیالی، هوش مصنوعی و روش‌های پیشرفته بیوشیمیایی را ترکیب کردند.

منبع: خبرگزاری دانشجو

کلیدواژه: نانو پلاستیک پروتئین شبکه های عصبی شیمی تشخیص بیماری های عصبی برای تشخیص

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت snn.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «خبرگزاری دانشجو» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۸۲۶۵۴۳۵ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

ChatGPT در تشخیص آبسه مغزی شکست خورد

در پژوهش جدیدی که برای ارزیابی توانایی ChatGPT در تشخیص بیماری‌ها انجام شد، این مدل هوش مصنوعی نتوانست آبسه مغزی را به درستی تشخیص دهد.

به گزارش ایسنا، به رغم این که هوش مصنوعی در حال تبدیل شدن به یک بخش اساسی از پژوهش‌های بالینی و تصمیم‌گیری است، بسیاری از افراد هنوز صحت ChatGPT را برای پشتیبانی از فرآیندهای تشخیصی و درمانی پیچیده زیر سوال می‌برند.

به نقل از میراژ نیوز، یک پژوهش جدید که ChatGPT را برای مدیریت کردن «آبسه مغزی»(Brain abscess) به کار گرفته، نشان داده که اگرچه به نظر می‌رسد ChatGPT قادر به ارائه دادن توصیه‌هایی درباره تشخیص و درمان است اما برخی از پاسخ‌های این مدل هوش مصنوعی می‌توانند بیماران را در معرض خطر قرار دهند.

این پژوهش که در کنگره جهانی «انجمن میکروبیولوژی بالینی و بیماری‌های عفونی اروپا»(ESCMID) در شهر بارسلون اسپانیا ارائه شد، توسط اعضای گروه پژوهشی «بیماری‌های عفونی مغز»(ESGIB) انجام شده است.

دکتر «سوزان دایکوف شن»(Susanne Dyckhoff-Shen) از بیمارستان «دانشگاه لودویگ ماکسیمیلیان مونیخ»(LMU) در آلمان و یکی از اعضای انجمن میکروبیولوژی بالینی و بیماری‌های عفونی اروپا گفت: زمانی که با ایمنی بیمار سر و کار دارید، هر نتیجه کمتر از ۱۰۰ درصد یک شکست است. اگرچه ما از دانش ChatGPT درباره مدیریت آبسه‌های مغزی شگفت‌زده شده‌ایم اما محدودیت‌های کلیدی در استفاده از این مدل هوش مصنوعی به عنوان یک دستگاه پزشکی وجود دارد که از جمله آنها می‌توان به آسیب احتمالی بیمار و عدم شفافیت داده‌ها برای ارائه پاسخ اشاره کرد.

توانایی هوش مصنوعی در جذب سریع، پردازش و تفسیر مجموعه داده‌های گسترده، چشم‌انداهای وسوسه‌انگیزی را نشان می‌دهد اما این پرسش نیز به وجود می‌آید که آیا فرآیندهای زمان‌بر برای ایجاد دستورالعمل‌های پزشکی هنوز ضروری هستند یا اینکه مدل‌های هوش مصنوعی آموزش‌دیده با انبوهی از اطلاعات پزشکی می‌توانند در پاسخ به پرسش‌های پیچیده بالینی با کارشناسان بالینی رقابت کنند.

آبسه‌ مغزی یک عفونت تهدیدکننده در سیستم عصبی مرکزی است که برای جلوگیری از عوارض شدید عصبی و حتی مرگ بیمار باید به سرعت شناسایی و درمان شود. مدیریت آبسه‌های مغزی عمدتا براساس تجربه بالینی و پژوهش‌های محدود انجام می‌شود اما انجمن میکروبیولوژی بالینی و بیماری‌های عفونی اروپا در سال ۲۰۲۳، نیاز به یک روش استاندارد را با توسعه یک دستورالعمل بین‌المللی برآورده کرد.

گروهی از پژوهشگران اروپایی برای اینکه بفهمند آیا ChatGPT قادر به ارزیابی حرفه‌ای پژوهش‌های پزشکی و ارائه توصیه‌های معتبر علمی است یا خیر، مدل هوش مصنوعی را آزمایش کردند تا ببینند که آیا در مقایسه با دستورالعمل ESCMID می‌تواند به ۱۰ پرسش کلیدی درباره تشخیص و درمان آبسه مغزی پاسخ دقیق بدهد یا خیر.

پژوهشگران ابتدا از نسخه چهارمChatGPT (ChatGPT 4) خواستند تا به ۱۰ پرسش مطرح‌شده توسط انجمن میکروبیولوژی بالینی و بیماری‌های عفونی اروپا پیرامون دستورالعمل آبسه مغزی آنها پاسخ دهد. پرسش‌ها بدون هیچ گونه اطلاعات اضافی طراحی و ارزیابی شدند.

سپس، ChatGPT با متن همان مقالات پژوهشی آموزش داده شد که برای توسعه دستورالعمل پیش از پرسیدن سؤالات مورد استفاده قرار گرفته بودند. این کار برای بررسی این موضوع انجام شد که آیا ChatGPT با استفاده از داده‌های مشابه به‌ کار رفته برای توسعه دستورالعمل‌ها می‌تواند توصیه‌های هماهنگ‌تری را ارائه دهد یا خیر.

سپس سه متخصص بیماری‌های عفونی، پاسخ‌های هوش مصنوعی را با توصیه‌های دستورالعمل انجمن میکروبیولوژی بالینی و بیماری‌های عفونی اروپا مقایسه کردند تا مواردی را مانند وضوح، هم‌سویی با دستورالعمل و خطر احتمالی برای بیمار ارزیابی کنند.

این پژوهش در «The Journal of Neurology» ارائه شد.

انتهای پیام

دیگر خبرها

  • عامل خطر ابتلا به آلزایمر شناسایی شد
  • ژاوی: تصمیم‌ به ماندن در بارسلونا ساده بود؛ همه باید در فصل آینده پیشرفت کنیم
  • پیش بینی آرتروز ۸ سال زودتر، با هوش مصنوعی و یک آزمایش خون
  • محققان: با هوش مصنوعی می‌توان آرتروز را ۸ سال زودتر پیش‌بینی کرد
  • ChatGPT در تشخیص آبسه مغزی شکست خورد
  • سلین دیون در مورد بیماری عصبی نادر خود می‌گوید / از لحاظ اخلاقی زندگی کردن روز به روز سخت‌تر می‌شود!
  • هوش مصنوعی آرتروز زانو را ۸ سال زودتر تشخیص می‌دهد
  • چند واقعیت علمی که زیر پوست ما جریان دارد
  • پیشرفت ایران در تشخیص مالاریا
  • ۱۰ راهکار ساده برای رفع بوی بد دهان