بخش دانش و فناوری- محققان با استفاده از یک روش جدید مبتنی بر استفاده از یادگیری ماشینی (هوش مصنوعی) موفق به تشخیص دقیقتر عفونت خون شدهاند و امیدوارند در آینده مقاومت به آنتیبیوتیک را هم پیشبینی کنند.
به گزارش گروه علم و آموزش ایرنا از «سای تک دیلی»، بر اساس برآوردها ، عفونت خون یا سپسیس یعنی شرایطی که در آن سیستم ایمنی واکنش بیش از حد به عفونت نشان میدهد، مسئول ۲۰ درصد از مرگ و میر در جهان است و هر سال بین ۲۰ تا ۵۰ درصد از مرگ ها در بیمارستانهای آمریکا بر اثر آن روی میدهد. با وجود شدت و تناوب آن، اما تشخیص و درمان این شرایط چالشبرانگیزبوده و درمان موثر آن دشوار بوده است.
در این حال محققانی از دانشگاه کالیفرنیا و چند موسسه تحقیقاتی دیگر اکنون یک روش تشخیصی جدید ابداع کردهاند که از یادگیری ماشینی برای آنالیز دادههای پیشرفته ژنومیک برای تشخیص و پیش بینی موارد این بیماری استفاده میکند. بنا بر گزارش ها این روش بطور غیرمنتظرهای از صحت (درستی نتایج) برخوردار است و این ظرفیت را دارد که از مهارتهای تشخیصی کنونی پیشی بگیرد. نتایج کار این محققان به تازگی در نشریه «میکروبیولوژی طبیعت» منتشر شده است.
به گفته محققان، شیوههای کنونی تشخیص عفونت خون بر ردگیری باکتری از طریق رشد دادن آنها از طریق کشت در آزمایشگاه متمرکز است؛ فرایندی که برای درمان آنتیبیوتیکی مناسب ضرورت دارد، اما کشت دادن این پاتوژنها زمانگیر است و همیشه هم به درستی باکتری مسبب عفونت را شناسایی نمیکند.
در فقدان یک روش تشخیصی قطعی، پزشکان اغلب آمیزهای از آنتیبیوتیکها را تجویز میکنند تا بلکه بتوانند عفونت را متوقف کنند، اما مصرف بیش از حد آنتیبیوتیکها به مقاومت در برابر این داروها در سطح جهانی منجر شده است.
محققان در این روش جدید بجای کشت باکتری برای شناسایی پاتوژنها، از روش زنجیرهبندی متاژنومیک نسل بعدی (mNGS) استفاده کردند. این روش تمام اسیدهای هستهای (nucleic ) یا دادههای ژنتیکی حاضر در یک نمونه را شناسایی میکند و سپس آن دادهها را با ژنومهای مرجع مقایسه میکند تا از این طریق ارگانیسمهای میکروبی حاضر شناسایی شوند. این تکنیک به دانشمندان اجازه میدهد مواد ژنتیکی از قلمروهای کاملا متفاوتی از ارگانیسمها – اعم از باکتری، ویروس یا قارچ را شناسایی کنند.