
شفاآنلاین »سلامت زوال عقل و بیماریهای عصبی تخریبکننده مانند آلزایمر، از بزرگترین چالشهای سلامت در جوامع امروزی بهشمار میروند. این بیماریها معمولاً با علائم روانپزشکی نامحسوسی مانند افسردگی، بیحوصلگی، اضطراب و تحریکپذیری آغاز میشوند که تشخیص آنها در مراحل اولیه برای پزشکان دشوار است.
به گزارش شفاآنلاین تاکنون روشی دقیق، غیر تهاجمی و مقرونبهصرفه برای پیشبینی خطر این بیماریها در مقیاس بزرگ وجود نداشته است.
پژوهشگران دانشگاه پزشکی چونگکینگ چین با انجام مطالعهای نوآورانه بر روی ۳۳۸ سالمند، راهحلی بالقوه برای این چالش یافتهاند. هسته اصلی این روش، ترکیب دو فناوری پیشرفته است:
تحلیل نمونههای بزاق و باکتریهای دهان برای یافتن نشانگرهای زیستی
آموزش مدلهای یادگیری ماشین برای شناسایی الگوهای خطر در دادههای پیچیده
در این پژوهش، دادههای جمعآوریشده از شرکتکنندگان به دو دسته تقسیم شد:
پژوهشگران سه الگوریتم یادگیری ماشین مختلف را آزمایش کردند: ماشین بردار پشتیبانی (SVM)، XGBoost، و رگرسیون لجستیک (LR). در نهایت، مدل XGBoost با دقت خیرهکننده ۹۳.۶ درصد بهترین عملکرد را نشان داد.
آنها برای کاربردیکردن این فناوری، از مدل رگرسیون لجستیک، یک نوموگرام (نمودار تشخیصی) ساختند که استفاده آسان از این روش را در کلینیکها و مراکز بهداشتی ممکن میسازد.
دقت نهایی این مدل در پیشبینی علائم عصبیروانشناختی در مرحله اعتبارسنجی خارجی به ۹۴.۴ درصد رسید. این مطالعه همچنین دو نشانگر زیستی (بیومارکر) کلیدی را شناسایی کرد:
این یافتهها نهتنها برای پیشبینی مفید هستند، بلکه بینشهای جدیدی درباره سازوکارهای زیستشناختی زمینهساز زوال عقل ارائه میدهند.
این روش پیشرفته غربالگری میتواند:
پایهای برای توسعه رویکردهای شخصیسازیشده در پزشکی باشد.
پروفسور پینگ لیو (Ping Liu) و گروه پژوهشیاش تأکید میکنند: این ابزار تنها یک سامانه پیشبینی نیست، بلکه پنجرهای جدید به درک علل زیستشناختی زوال عقل باز میکند. امیدواریم این فناوری بهزودی در محیطهای بالینی واقعی بهکار گرفته شود.
این پژوهش که در نشریه معتبر روانپزشکی ترجمانی/ Translational Psychiatry منتشر شده، میتواند پایهای برای توسعه ابزارهای مشابه در سراسر جهان باشد. با ادامه تحقیقات، شاید بهزودی یک نمونه بزاق ساده به یکی از ابزارهای استاندارد در پیشبینی و پیشگیری از زوال عقل تبدیل شود.