هوش مصنوعی، آرتروز را در عرض چند دقیقه با دقت ۹۸ درصدی تشخیص می‌دهد

به گزارش گروه بهداشت و درمان سرطان نیوز،  یک پلتفرم تشخیصی جدید که توسط محققان کره جنوبی توسعه داده شده است، می‌تواند این مشکلات تشخیصی را به طور چشمگیری بهبود بخشد. سیستم آنها یک حسگر نانوذرات طلای نوآورانه را با هوش مصنوعی ترکیب می‌کند تا مایع مفصلی را که مایع روان‌کننده‌ای در مفاصل افراد است، تجزیه و تحلیل کند. این سیستم می‌تواند آرتروز (OA) و آرتریت روماتوئید (RA) را با دقت قابل توجه ۹۸.۱ درصد تشخیص دهد.

به نقل از اس‌اف، این سیستم یک راه‌حل عملی، مقرون به صرفه و قابل ارتقاء برای تشخیص آرتروز در محیط‌های بالینی ارائه می‌دهد. این آزمایش سریع نه تنها بین این دو شکل رایج آرتروز تمایز قائل می‌شود، بلکه می‌تواند شدت روماتیسم مفصلی را نیز ارزیابی کند و به طور بالقوه به پزشکان اجازه می‌دهد تا درمان‌های دقیق‌تری را تنظیم کنند.

چرا تشخیص سریع آرتروز اهمیت دارد؟

برای میلیون‌ها نفر که در سراسر جهان از درد مفاصل رنج می‌برند، تشخیص سریع بین آرتروز و آرتریت روماتوئید بسیار مهم است. اگرچه این بیماری‌ها علائمی مانند درد و التهاب مفاصل دارند، اما علل و درمان‌های اساسا متفاوتی دارند. آرتروز در درجه اول ناشی از سایش مکانیکی مفاصل است، در حالی که آرتریت روماتوئید ناشی از حمله سیستم ایمنی به مفاصل است.

امروزه، پزشکان از ترکیبی از پرسشنامه‌ها، آزمایش‌های تصویربرداری و تجزیه و تحلیل‌های آزمایشگاهی برای تشخیص آرتروز استفاده می‌کنند که می‌تواند زمان‌بر، پرهزینه و گاهی اوقات بی‌نتیجه باشد، به خصوص در مراحل اولیه بیماری. محققان خاطرنشان می‌کنند که آزمایش‌های بیوپسی مایع فعلی حدود ۷۰ تا ۸۰ درصد دقیق هستند، اما اغلب برای شناسایی صحیح بیماران در مراحل اولیه آرتروز با مشکل مواجه هستند.

بیشتر بخوانید

•  تنها ۱۰ درصد کمردردها به جراحی نیاز دارند

روش جدید آنها از روشی به نام طیف‌سنجی رامان ارتقاء یافته سطحی (SERS) استفاده می‌کند که می‌تواند مقادیر بسیار کمی از مولکول‌ها را با گرفتن ارتعاشات منحصر‌به‌فرد آنها، مانند اثر انگشت شیمیایی، تشخیص دهد. برای حساس‌تر کردن سیستم، این تیم یک کاغذ مخصوص پوشیده از نانوذرات طلا ساخت که سیگنال مایع مفصلی را به طرز چشمگیری تقویت می‌کند.

وقتی قطره کوچکی از مایع مفصلی روی این کاغذ روکش‌شده با طلا قرار می‌گیرد، دستگاه یک امضای طیفی متمایز را ثبت می‌کند که می‌تواند با استفاده از الگوریتم‌های یادگیری ماشینی تجزیه و تحلیل شود. یک مدل ماشین بردار پشتیبانی (SVM) برای دسته‌بندی این امضا‌ها آموزش داده شد و به حساسیت ۹۷.۳ درصد در تمایز بین نمونه‌های آرتروز و آرتریت روماتوئید دست یافت.

محققان به تشخیص دو نوع آرتروز از یکدیگر بسنده نکردند. آنها یک قدم فراتر رفتند و با استفاده از ابزار‌های ریاضی پیشرفته - ضریب همبستگی پیرسون (PCC) و فاکتورگیری ماتریس غیرمنفی (NMF) مولکول‌های خاصی را در مایع مفصلی که می‌توانند به عنوان نشانگر‌های زیستی عمل کنند، پیدا و اندازه‌گیری کردند.