هوش مصنوعی وضعیت سلامتی در دوران پیری را پیش بینی می نماید - وبلاگ پیشرو

به گزارش وبلاگ پیشرو، دانشمندان از فناوری یادگیری ماشین برای پیدا کردن نشانه هایی استفاده می نمایند که می توانند به پیش بینی قوی و سالم باقی ماندن یک فرد در دوران پیری یاری نمایند.

به گزارش وبلاگ پیشرو و به نقل از تک تایمز، هوش مصنوعی توسعه یافته توسط محققان دانشگاه سالک(Salk) می تواند پیش بینی کند که یک فرد به خوبی و همراه با سلامتی پیر می گردد یا از بسیاری از بیماری های مرتبط با پیری رنج خواهد برد.

آنها از فناوری یادگیری ماشین نشانگرهای زیستی را یافته اند که می تواند در آینده به توسعه درمان های مربوط به بیماری های مرتبط با پیری یاری کند.

یک تیم از دانشمندان دانشگاه سالک سلول های پوستی بیش از 100 نفر از سن یک تا 94 سالگی را مورد آنالیز قرار دادند. آنها می خواستند ببینند که آیا سلول های پوستی نشانه های پیری را نشان می دهند و سپس داده ها را به یک الگوریتم یادگیری ماشین اختصاصی که قادر به پیش بینی سن فرد است، بدهند.

دانشمندان امیدوارند بتوانند از این روش برای درک فرایندهای بیولوژیکی پیری استفاده نمایند و به شرایط بهداشتی مرتبط با آن بپردازند.

همه افراد به یک شیوه پیر نمی شوند. برخی افراد نشانه های پیری را نشان می دهند و به دلیل شیوه زندگی ناسالم، پیش از موعد دچار بیماری های مرتبط با پیری می شوند. اما برخی دیگر اصلاحا بهتر پیر می شوند و حتی پس از 80 یا 90 سالگی قوی و سالم باقی می مانند.

بین سن تاریخی و سن بیولوژیکی تفاوت وجود دارد. سن تاریخی مقدار زمانی است که شخص در زندگی گذرانده است و سن بیولوژیکی وابسته به نحوه زندگی فرد و چگونگی عملکرد بدنی وی است.

محققان امیدوارند عواملی را که در پشت بهتر پیر شدن برخی افراد است، کشف نمایند.

ساکت ناولاخا استادیار و یکی از نویسندگان این مطالعه گفت: این آزمایش برای مشخص نشانگرهای مولکولی پیری در کل محدوده عمر انسان طراحی شده است. ما می خواهیم الگوریتم هایی ایجاد کنیم که می توانند پیریِ سالم و پیریِ ناسالم را پیش بینی نمایند و سعی نمایند تفاوت ها را پیدا نمایند.

محققان برای این مطالعه، نوع خاصی از سلول های پوستی را که فیبروبلاست های پوستی نامیده می شوند و مسئول فراوری بافت های همبند و یاری به سلول های پوست هستند، مورد آنالیز قرار دادند. آنها نمونه هایی را برای تقسیم شدن به آزمایشگاه آوردند، سپس از توالی RNA استفاده کردند تا به دنبال نشانگرهای زیستی(بیومارکر) بگردند که وقتی افراد پیر می شوند، تغییر می نمایند.

یادگیری ماشین برای مرتب کردن داده های توالی RNA و شناسایی نشانگرهای زیستی که پیری را نشان می داد، برنامه ریزی شد. انتها محققان قادر به پیش بینی سن هر فرد با میانگین خطای کمتر از 8 سال شدند.

اگر یافته های آنها معتبر باشد، پزشکان می توانند از بیومارکرهای شناسایی شده در این مطالعه استفاده نمایند تا زمان درست هشدار به افراد مستعد به ابتلا به بیماری های مرتبط با پیری را تشخیص داده و به آنها توصیه هایی برای تغییر شیوه زندگی خود بدهند.

ناولاخا اضافه نمود: پیری عامل بسیاری از بیماری ها از جمله آلزایمر و سایر بیماری های عصبی است. اگر ما بتوانیم نشان دهیم که تغییراتی که در فیبروبلاست ها دیده ایم با پیری در سایر سلول ها مرتبط است، ممکن است در نهایت بتوانیم از این نشانگرها برای توسعه مداخلات هدفمند استفاده کنیم.

با این حال محققان خاطرنشان کردند که نشانگرهای زیستی، در حالی که پیری را پیش بینی می نمایند، باعث پیری نمی شوند و عامل پیری نیستند.

قبل از اینکه این یافته ها در محیط بیمارستان استفاده شوند یا درمان های پیشگیرانه توسعه یابد، تحقیقات بیشتری باید انجام گردد.

جزئیات این مطالعه در مجله Genome Biology منتشر شده است.