فناوری جدید هوش مصنوعی ممکن است به کشف عوامل درمانی برای اختلالات عصبی کمک کند



یک گروه تحقیقاتی از دانشگاه ناگویا در ژاپن یک هوش مصنوعی برای تجزیه و تحلیل تصاویر سلولی ایجاد کرده است که از یادگیری ماشینی برای پیش‌بینی اثر درمانی داروها استفاده می‌کند. این فناوری جدید که در silico FOCUS نامیده می شود، ممکن است به کشف عوامل درمانی برای اختلالات عصبی مانند بیماری کندی کمک کند.

درمان‌های کنونی بیماری‌های عصبی اغلب دارای عوارض جانبی شدید، از جمله اختلال عملکرد جنسی و مسدود کردن تشکیل بافت عضلانی است. با این حال، محققانی که در جستجوی درمان‌های جدید و کم‌مضر هستند، به دلیل فقدان فناوری‌های غربالگری مؤثر برای تشخیص مؤثر بودن یک دارو، مانع شده‌اند. یک مفهوم امیدوارکننده «مفهوم تبعیض ناهنجاری» است، به این معنی که نورون‌هایی که به درمان پاسخ می‌دهند، تفاوت‌های جزئی در شکل نسبت به نورون‌هایی دارند که پاسخ نمی‌دهند. با این حال، تشخیص این تفاوت های ظریف با چشم غیر مسلح دشوار است. فناوری‌های رایانه‌ای کنونی نیز برای انجام تجزیه و تحلیل بسیار کند هستند.

گروهی از اساتید دانشگاه ناگویا به سرپرستی دانشیار ریوجی کاتو و استادیار کی کانیه از دانشکده علوم دارویی و پروفسور ماساهیسا کاتسونو و استادیار مادوکا آیدا از دانشکده پزشکی، فناوری هوش مصنوعی جدیدی را توسعه داده‌اند. در سیلیکون FOCUS. شکل سلولی سلول های عصبی مدل را تجزیه و تحلیل می کند و از آن اطلاعات برای ارزیابی پاسخ آنها به داروهای درمانی استفاده می کند. آنها نتایج خود را در مجله منتشر کردند گزارش های علمی

محققان هوش مصنوعی را روی مدلی از سلول‌های تحت درمان بیماری کندی، یک اختلال عصبی که منجر به مرگ نورون حرکتی می‌شود، آزمایش کردند. in silico FOCUS یک مدل طبقه‌بندی مبتنی بر تصویر قوی ساخت که در شناسایی وضعیت بازیابی سلول‌های مدل دقت 100% داشت.

این فناوری ارزیابی بسیار حساس و پایداری از اثرات عوامل درمانی را از طریق تجزیه و تحلیل تغییرات در شکل سلول‌های مدل بیمار به سلول‌های سالم امکان‌پذیر می‌سازد، که معمولاً نمی‌توانستیم آنها را تشخیص دهیم. این یک فناوری غربالگری فوق کارآمد است که می‌تواند کارایی دارو را با گرفتن تصاویر ساده پیش‌بینی کند، بنابراین زمان لازم برای تجزیه و تحلیل و ارزیابی اثربخشی دارو را از چند ساعت با چند صد هزار سلول به تنها چند دقیقه کاهش می‌دهد. این امکان پیش بینی بسیار دقیق اثرات درمانی را بدون آزمایشات پیچیده و تهاجمی فراهم می کند.


ریوجی کاتو، دانشیار دانشگاه ناگویا

کاتو نتیجه گیری می کند: “این نتایج احتمال تسریع در توسعه داروهای جدید را نشان می دهد و ما انتظار داریم که آنها به طور گسترده در کشف داروهای درمانی برای بیماری هایی استفاده شوند که کشف آنها دشوار بوده است.”

این تحقیق توسط پروژه ایجاد نوآوری بین دپارتمانی دانشگاه ناگویا در سال مالی 2019 پشتیبانی شد.



منبع