پژوهشگران بر اساس مدل یادگیری ماشینی که ایجاد کردند، دریافتند که این نمونه‌ها نشانگرهای بیولوژیکی مهمی را حفظ می‌کنند که برای بهبود دقت تشخیصی بسیار مهم است. این مدل یادگیری ماشینی نوعی هوش مصنوعی است که از الگوریتم‌هایی برای مثال برای تشخیص سرطان استفاده می‌کند.
دانشمندان چینی آزمایشی ابداع کرده‌اند که سه نوع سرطان را تنها با یک قطره خون خشک شده و در عرض چند دقیقه تشخیص می‌دهد.
به گزارش ایسنا، دانشمندان چینی آزمایشی ابداع کرده‌اند که برای تشخیص سرطان به کمتر از ۰.۰۵ میلی‌متر خون خشک شده نیاز دارد.
به نقل از آی‌ای، غربالگری برای زیست‌نشانگرهای خاص خون به عنوان یک روش ممکن برای تشخیص سرطان در مراحل اولیه دیده می‌شود، اما سرطان‌هایی مانند سرطان پانکراس(لوزالمعده)، کولورکتال و معده فاقد آزمایش خون دقیق برای تشخیص هستند.
همانطور که در این مطالعه بیان شده است، بیش از یک میلیارد نفر در سراسر جهان نرخ بالایی از تشخیص بیماری سرطان را تجربه می‌کنند و نیاز مبرمی به ابزارهای تشخیصی دقیق و سریع وجود دارد که قیمت بالایی نیز نداشته باشند.
چه چیزی این آزمایش را متفاوت می‌کند؟
پژوهشگران چینی می‌گویند، این آزمایش در ۸۲ تا ۱۰۰ درصد مواقع می‌تواند تشخیص دهد که بیمار به سرطان مبتلاست یا نه.
این آزمایش تنها در چند دقیقه تفاوت بین بیماران مبتلا به سرطان و افراد عاری از سرطان را نشان می‌دهد و تمرکز آن روی سرطان پانکراس، معده و کولورکتال است.
پژوهشگران این مدل را مورد آزمایش قرار دادند و اینکه چقدر موثر می‌تواند بین افراد مبتلا به سرطان و بدون سرطان تمایز قائل شود.
آنها آن را با آزمایش‌های سنتی مبتنی بر خون مایع مقایسه کردند و نتایجی که به دست آوردند به آنها نشان داد که لکه‌های خونی خشک شده نیز در تشخیص بسیار موثر هستند.
در مورد سرطان لوزالمعده، آنها توانستند ۸۱.۲ درصد موارد را به درستی تشخیص دهند، این در حالی است که وقتی از نمونه خون مایع استفاده شد این میزان ۷۶.۸ درصد بود.
ارزیابی آنها نشان داد که استقرار این ابزار در مناطق کمتر توسعه یافته می‌تواند نسبت تخمینی موارد تشخیص داده نشده سرطان را کاهش دهد. به عنوان مثال، این روش برای غربالگری سرطان در سطح جمعیت در روستاهای چین می‌تواند موارد تشخیص داده نشده را به خصوص در مورد سرطان‌های پانکراس، معده و روده بزرگ به میزان ۲۰ تا ۵۰ درصد کاهش دهد.
چائویان کوانگ پژوهشگری که در این مطالعه مشارکت نداشت، گفت: این آزمایش سرطان تا مدتی طولانی قابل استفاده نخواهد بود و هنوز سال‌ها تا ارائه این آزمایش به بیماران فاصله داریم.
روش این آزمایش چگونه است؟
لکه‌های خون هنگامی که خشک می‌شوند برای تجزیه و تحلیل بعدی ذخیره می‌شوند و معمولاً در آزمایش‌های تشخیصی مختلف استفاده می‌شوند. در مورد تشخیص سرطان، استفاده از لکه‌های خونی خشک شده می‌تواند چالش برانگیز باشد. دلیل آن نیز تخریب زیست‌نشانگرهای حساس و مقدار اغلب ناکافی خون برای نتایج قابل اعتماد است.
بنابراین پژوهشگران استفاده از نانوذرات معدنی را برای بهبود تشخیص سرطان پیشنهاد کردند. به طور مشخص، تمرکز بر طیف‌سنجی جرمی پیشرفته است که نتایج قابل اعتمادی با حساسیت بهتر ارائه می‌دهد. این شامل استفاده از نانوذرات معدنی برای افزایش غلظت انتخابی و غنی‌سازی ترکیبات متابولیک از نمونه‌ها است.
با این حال، انطباق طیف‌سنجی جرمی پیشرفته با تجزیه و تحلیل لکه خون خشک شده تایید نشده است. این یک مانع است که با توجه به نیاز به روش‌های کاری استاندارد برای ایجاد قابلیت اطمینان در تمامی آزمایشگاه‌ها باید حل شود.
پژوهشگران بر اساس مدل یادگیری ماشینی که ایجاد کردند، دریافتند که این نمونه‌ها نشانگرهای بیولوژیکی مهمی را حفظ می‌کنند که برای بهبود دقت تشخیصی بسیار مهم است. این مدل یادگیری ماشینی نوعی هوش مصنوعی است که از الگوریتم‌هایی برای مثال برای تشخیص سرطان استفاده می‌کند.
کوانگ می‌گوید: این یک شروع عالی است، اما به دلایل زیادی به آزمایش‌های بیشتری نیاز است. برای مثال، آنها فقط چند صد نمونه را آزمایش کرده‌اند و همچنین مدل یادگیری ماشینی را روی افرادی که قبلاً به سرطان مبتلا بودند، آزمایش کرده‌اند. به این معنی که باید تأیید شود این آزمایش که چگونه به عنوان یک ابزار تشخیصی واقعی کار می‌کند.
دکتر مایکل چکینی می‌گوید، یک آزمایش خون مانند این باید از طریق آزمایش‌های بالینی گسترده روی هزاران بیمار همراه با بررسی نظارتی تایید شود.
منبع خبر "
عصر ایران" است و موتور جستجوگر خبر تیترآنلاین در قبال محتوای آن هیچ مسئولیتی ندارد.
(ادامه)
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت تیترآنلاین مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویری است، مسئولیت نقض حقوق تصریح شده مولفان از قبیل تکثیر، اجرا و توزیع و یا هرگونه محتوای خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
