یکشنبه, 27 خرداد 1403
یکشنبه, 27 خرداد 1403
Sunday, 16 June 2024
روزنامه گیلان امروز [ شماره ۶۵۲۵ ]

 

 

گیلان امروز- تصور کنید یک همزاد دیجیتالی دارید که بیمار می‌شود و می‌توان روی آن‌ آزمایش کرد تا بهترین درمان ممکن، بدون نیاز به قرص یا چاقوی جراحی را پیدا کرد.

به گزارش فرادید، همزادهای دیجیتال، مدل‌های محاسباتی اشیاء یا فرآیندهای فیزیکی هستند که با استفاده از داده‌های همتایان واقعی خود به‌روزرسانی می‌شوند. در پزشکی، این به معنای ترکیب حجم وسیعی از داده‌ها درباره عملکرد ژن‌ها، پروتئین‌ها، سلول‌ها و سیستم‌های کل بدن با داده‌های شخصی بیماران برای خلق مدل‌های مجازی از اندام‌های آن‌ها و در نهایت، کل بدن آن‌ها است.

پروفسور پیتر کاوِنی، مدیر مرکز علوم محاسباتی دانشگاه کالج لندن و یکی از نویسندگان کتاب Virtual You، می‌گوید: «اگر امروزه طبابت می‌کنید، بخش زیادی از آن علمی نیست. این به نوعی معادل رانندگی با نگاه کردن به آینه عقب و تعیین مسیر بعدی است: شما سعی می‌کنید بر اساس سابقه پزشکی افرادی که در گذشته شرایط مشابهی داشتند، نحوه درمان بیمار روبروی خود را بیابید».

«اما کاری که یک همزاد دیجیتال انجام می‌دهد این است که از داده‌های شما در مدلی استفاده می‌کند که نحوه عملکرد فیزیولوژی و آسیب‌شناسی شما را نشان می‌دهد. این کار، تصمیم‌گیری در مورد شما بر اساس جمعیتی نیست که ممکن است کاملاً غیرمرتبط باشند. این رویکرد واقعاً شخصی‌سازی‌شده است.»

وضعیت کنونی این مدل را می‌توان در قلب و عروق یافت. در حال حاضر، شرکت‌ها از مدل‌های قلبِ ویژه‌ی بیمار برای کمک به طراحی دستگاه‌های پزشکی استفاده می‌کنند، در حالی که استارت‌آپ مستقر در بارسلون ELEM BioTech به شرکت‌ها امکان آزمایش داروها و دستگاه‌ها را روی مدل‌های شبیه‌سازیشده قلب انسان ارائه می‌دهد.

کریس مورتون، مدیر اجرایی و بنیانگذار مشترک ELEM گفته است: «ما پیش از این هم تعدادی آزمایش انسانی مجازی روی چندین ترکیب انجام دادیم و در شرف ورود به مرحله جدیدی هستیم که در آن، محصول ما آماده است و در فضای ابری برای دسترسی خارجی توسط مشتریان دارویی قرار دارد.»

دکتر کارولین رونی از دانشگاه کوئین مری لندن در کنفرانس همزادهای دیجیتال در انجمن سلطنتی پزشکی لندن در روز جمعه، تلاش برای توسعه مدل‌های قلبی شخصی‌سازی‌شده‌ای را توصیف کرد که به جراحان در برنامه‌ریزی جراحی برای بیماران مبتلا به ضربان قلب نامنظم و آشفته کمک می‌کند (فیبریلاسیون دهلیزی).

«بیشتر جراحان از رویکردی استفاده می‌کنند که عادی کار می‌کند، اما پیش‌بینی‌های خاص بیمار و متعاقباً پیش‌بینی نتایج طولانی‌مدت واقعاً چالش‌برانگیز است. من فکر می‌کنم کاربردهای زیادی در بیماری‌های قلبی عروقی وجود دارد که در آن‌ها شاهد موفقیت این نوع رویکرد خواهیم بود، مانند تصمیم‌گیری درباره نوع دریچه‌ای که باید استفاده کنیم یا کجا آن را در طول تعویض دریچه قلب وارد کنیم.»

انتظار می‌رود بیماران سرطانی نیز از این موضوع بهره‌مند شوند. متخصصان هوش مصنوعی در شرکت داروسازی GSK با محققان سرطان کینگز کالج لندن برای ساخت کپی دیجیتالی از تومورهای بیماران با استفاده از تصاویر و داده‌های ژنتیکی و مولکولی و همچنین رشد سلول‌های سرطانی بیماران به صورت سه بعدی و آزمایش نحوه واکنش آن‌ها به داروها در حال همکاری هستند.

دانشمندان با استفاده از یادگیری ماشینی برای این داده‌ها، می‌توانند پیش‌بینی کنند که بیماران چگونه به داروهای مختلف، ترکیبی از داروها و رژیم‌های دوز واکنش نشان می‌دهند.

پروفسور تونی نگ از کینگز می‌گوید: «شما نمی‌توانید این کار را به طور مکرر با بیمار واقعی با چندین دارو و ترکیبات دارویی انجام دهید، چون هر بار که درمان جدیدی را امتحان می‌کنید، یک آزمایش بالینی است.»

«ما در حال تلاش برای یافتن راه حل هستیم تا زمانی که بیمار هنوز زنده است، بنابراین اگر بیمار با عود سرطان خود بازگشت، می‌دانیم چگونه باید آن را درمان کنیم یا کدام آزمایش بالینی را باید در مورد آن‌ها انجام دهیم.»

انتظار می‌رود آزمایشات اثبات مفهومی سال آینده آغاز شود.

محققان حتی در حال توسعه همزادهای دیجیتالی برای بارداری هستند که می‌تواند به تولید داروهایی برای شرایطی مانند نارسایی جفت یا پره‌اکلامپسی و درک بهتر فرآیندهای فیزیولوژیکی پشتوانه بارداری و زایمان کمک کند.

پروفسور میشل اُیِن، مدیر مرکز مهندسی سلامت زنان دانشگاه واشنگتن در سنت لوئیس، می‌گوید: «در بسیاری از موارد شما نمی‌توانید روی زنان باردار آزمایش انجام دهید و همچنین مدل‌های حیوانی خوبی برای بارداری انسان وجود ندارند.»

اُیِن در حال ساخت مدل‌های جفت از اسکن‌های اولتراسوند گرفته‌شده در دوران بارداری و تصاویر با وضوح بالا پس از تولد در زنان با حاملگی‌های سالم و پیچیده است و برای تشخیص و ساخت یک کپی دیجیتال از بافت‌های مختلف، در حال آموزش یک الگوریتم است.

«هدف ما تلاش برای کشف مواردی است که بتوانیم روی یک فرد زنده بسنجیم تا بتوانیم پیش‌بینی کنیم چه کسی احتمالاً در عملکرد جفت در دوران بارداری مشکل دارد و برای جلوگیری از مواردی مانند مرده‌زایی مداخله کنیم.»

همکار اُیِن، پروفسور کریستین مایرز از دانشگاه کلمبیا در نیویورک، در حال ساخت مدل‌هایی از دهانه رحم، رحم و غشاهایی است که جنین را احاطه می‌کنند. هدف بلندمدت آن‌ها ترکیب همه آن‌ها در یک مدل واحد از فردی است که بتواند نحوه بارداری را پیش‌بینی کند.

مایرز می‌گوید: «امیدوارم بتوانیم یک اسکن اولتراسونیک ساده از آناتومی مادر انجام دهیم و نحوه رشد و کشش این رحم و زمان بهتر زایمان را ارزیابی کنیم.» او گفت: «حتی ممکن است زایمان طولانی یا پیچیده را پیش‌بینی کرد و به زنان کمک کرد تصمیم آگاهانه‌تری در مورد سزارین بگیرند».

محققان دیگر در حال ساخت یک همزاد دیجیتالی از بیمارستان‌ها هستند تا کارایی حرکت بیماران را در سیستم مراقبت‌های بهداشتی بهبود بخشند.

دکتر جیکوب کوریس، جراح تروما و ارتوپد می‌گوید: «با ردیابی امضاهای دیجیتال هر بار که برای بیمار اتفاقی می‌افتد، از زمانی که دستور اشعه ایکس داده می‌شود، انجام می‌شود و گزارش داده می‌شود تا زمانی که بیمار برای نوبت سرپایی وقت می‌گیرد، می‌توانیم با جزئیات بسیار دقیق، تصویری واقعی از نحوه حرکت بیماران با شرایط مشابه در سیستم داشته باشیم.»

 

 

 

 

به اشتراک بگذارید:

نظر شما:

security code
طراحی و پیاده سازی توسط: بیدسان