این آزمایش که توسط هوش مصنوعی انجام می شود ، بیماری چشم را سه سال قبل از بروز علائم پیش بینی می کند – ScienceDaily

[ad_1]

یک آزمایش جدید ابتکاری چشم ، که توسط دانشمندان UCL با همکاری بیمارستان چشم غربی لندن ساخته شده است ، می تواند سه سال قبل از بروز علائم ، مرطوب AMD ، علت اصلی کاهش شدید بینایی را پیش بینی کند.

محققان امیدوارند که از آزمایش آنها برای شناسایی بیماری به اندازه کافی زود استفاده شود تا درمان بتواند به طور م preventثر از کاهش بینایی جلوگیری کند.

یافته های این مطالعه ، با حمایت مالی Wellcome ، امروز در بررسی تخصصی تشخیص مولکولی.

تخریب ماکولای وابسته به سن (AMD) ، که به عنوان بیماری ماکولا نیز شناخته می شود ، شایع ترین علت از بین رفتن دائمی و شدید بینایی در انگلستان است.

در حال حاضر ، تشخیص AMD مرطوب به شخص مبتلا به علائم بستگی دارد ، و سپس وی را به دنبال مشاوره از یک پزشک بالینی می برد. در ابتدا ، فردی با AMD مرطوب متوجه تحریف دید خود می شود که معمولاً در خواندن وی اختلال ایجاد می کند. خیلی سریع ، این می تواند به سمت کاهش بینایی کامل پیشرفت کند ، که برای بیماران بزرگسالی که از نابینایی و از دست دادن استقلال می ترسند بسیار آزار دهنده است.

AMD مرطوب شامل رشد غیر طبیعی رگهای خونی است که مایعات را به شبکیه نشت می کند. معرفی درمان های جدید منجر به بهبود قابل توجه نتایج برای بیماران شده است ، بیماری که بیش از 20 سال پیش غیرقابل درمان بود. با این حال ، اگر درمان در مراحل اولیه بیماری آغاز شود ، نتایج بیمار حتی ممکن است بهتر باشد.

این آزمایش با نام DARC (تشخیص سلولهای آپوپتوتیک شبکیه) شامل تزریق یک رنگ فلورسنت در جریان خون (با دست) است که به سلولهای شبکیه متصل می شود و کسانی که تحت استرس هستند یا در مرحله آپوپتوز هستند را روشن می کند ، نوعی از برنامه ریزی مرگ سلول سلولهای آسیب دیده وقتی در معاینه چشم مشاهده می شوند ، سفید روشن به نظر می رسند – هرچه سلولهای بیشتری پیدا شوند ، تعداد DARC بیشتر است.

یک چالش در ارزیابی بیماری چشم این است که متخصصان اغلب هنگام مشاهده اسکن های مشابه اختلاف نظر دارند ، بنابراین محققان الگوریتم AI را در روش خود گنجانده اند.

محققان قبلاً با استفاده از همان فن آوری (آزمایش) دریافته اند که می توانند اولین علائم پیشرفت گلوکوم را تشخیص دهند. این مطالعه جدید ، که بخشی از همان آزمایش بالینی DARC در حال انجام است ، 19 شرکت کننده در این مطالعه را که قبلاً علائم AMD را نشان داده بودند مورد بررسی قرار داد ، اما نیازی به داشتن هر دو چشم نداشت. هوش مصنوعی اخیراً آموزش دیده است تا تشکیل نشت و عروق خونی جدید را تشخیص دهد ، که با نقاطی که DARC گرفته مطابقت دارد.

تجزیه و تحلیل جدید نشان داد که DARC می تواند سلول های اندوتلیال (که رگ های خونی ما را پوشانده اند) تحت تنش در شبکیه برجسته کند. این سلولهای تحت فشار سپس فعالیت مرطوب AMD را با تشکیل نشت و رگهای خونی جدید مشاهده شده در بیماران سه سال بعد با استفاده از اسکن چشم معمولی با توموگرافی انسجام نوری (OCT) پیش بینی کردند.

محققان می گویند آزمایش آنها ممکن است در تشخیص ضایعات جدید در یک فرد مبتلا به AMD مفید باشد ، غالباً در یک چشم مخالف و بدون تأثیر ، و در نهایت ممکن است برای غربالگری افراد بالای یک سن خاص یا عوامل خطر خاص مفید باشد.

محقق ارشد پروفسور Francesca Cordeiro (انستیتوی چشم پزشکی UCL ، کالج امپریال لندن و بیمارستان چشم Western Imperial College Healthcare NHS Trust) گفت: “نتایج ما بسیار امیدوار کننده است زیرا نشان می دهد که DARC می تواند به عنوان نشانگر زیستی برای AMD مرطوب استفاده شود. ، وقتی با یک الگوریتم به کمک هوش مصنوعی ترکیب می شود.

“آزمایش جدید ما قادر به پیش بینی ضایعات جدید مرطوب AMD تا 36 ماه قبل از ظهور بود ، و این بسیار عظیم است – این بدان معنی است که فعالیت DARC می تواند یک پزشک را به سمت درمان شدیدتر آن دسته از بیماران که در معرض خطر بالایی هستند ، هدایت کند. ضایعات جدید AMD مرطوب و همچنین به عنوان یک ابزار غربالگری استفاده می شود. “

تیم تحقیقاتی امیدوار است که تحقیقات خود را با یک آزمایش بالینی با شرکت کنندگان بیشتر ادامه دهد و امیدوار است که آزمایش سایر بیماری های چشم را نیز آزمایش کند.

شرین کراوز ، مدیر اجرایی خیریه تحقیقات چشم ، شرین کراوز گفت: “گزارش ما” زمان آن است که تمرکز کنیم “در مورد تأثیرات اجتماعی و اقتصادی از دست دادن بینایی ، اهمیت تشخیص به موقع برای جلوگیری از کاهش بینایی را برجسته کرده است و بنابراین یک پیشرفت بسیار دلگرم کننده برای مقابله با علت اصلی نابینایی است. “

DARC توسط نوای ، شرکت تازه تاسیس که پروفسور کوردیرو مدیر ارشد علمی آن است ، تجاری شد.

[ad_2]

منبع: unbox-news.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>