هوش مصنوعی، آرتروز را در عرض چند دقیقه با دقت ۹۸ درصدی تشخیص می‌دهد_صبح سریع

یک پلتفرم تشخیصی تازه که توسط محققان کره جنوبی گسترش داده شده است، می‌تواند این مشکلات تشخیصی را به طور چشمگیری بهبود بخشد. سیستم آنها یک حسگر نانوذرات طلای نوآورانه را با هوش مصنوعی ترکیب می‌کند تا مایع مفصلی را که مایع روان‌کننده‌ای در مفاصل افراد است، تجزیه و تحلیل کند. این سیستم می‌تواند آرتروز (OA) و آرتریت روماتوئید (RA) را با دقت قابل دقت ۹۸.۱ درصد تشخیص دهد.

به نقل از اس‌اف، این سیستم یک راه‌حل عملی، مقرون به صرفه و قابل ارتقاء برای تشخیص آرتروز در محیط‌های بالینی اراعه می‌دهد. این آزمایش سریع نه تنها بین این دو شکل رایج آرتروز اختلاف قائل می‌شود، بلکه می‌تواند شدت روماتیسم مفصلی را نیز برسی کند و به طور بالقوه به پزشکان اجازه می‌دهد تا درمان‌های دقیق‌تری را تنظیم کنند.

چرا تشخیص سریع آرتروز اهمیت دارد؟

برای میلیون‌ها نفر که در سراسر جهان از درد مفاصل رنج می‌برند، تشخیص سریع بین آرتروز و آرتریت روماتوئید زیاد مهم است. اگرچه این بیماری‌ها علائمی همانند درد و التهاب مفاصل دارند، اما علل و درمان‌های اساسا متغیری دارند. آرتروز در درجه اول ناشی از سایش مکانیکی مفاصل است، در حالی که آرتریت روماتوئید ناشی از دعوا سیستم ایمنی به مفاصل است.

امروزه، پزشکان از ترکیبی از پرسشنامه‌ها، آزمایش‌های تصویربرداری و تجزیه و تحلیل‌های آزمایشگاهی برای تشخیص آرتروز منفعت گیری می‌کنند که می‌تواند زمان‌بر، پرهزینه و بعضی اوقات اوقات بی‌نتیجه باشد، به خصوص در مرحله های اولیه بیماری. محققان خاطرنشان می‌کنند که آزمایش‌های بیوپسی مایع جاری نزدیک به ۷۰ تا ۸۰ درصد دقیق می باشند، اما زیاد تر برای شناسایی صحیح بیماران در مرحله های اولیه آرتروز با مشکل روبه رو می باشند.

روش تازه آنها از روشی به نام طیف‌سنجی رامان ارتقاء یافته سطحی (SERS) منفعت گیری می‌کند که می‌تواند مقادیر زیاد مقداری از مولکول‌ها را با گرفتن ارتعاشات منحصر به فرد آنها، همانند تاثییر انگشت شیمیایی، تشخیص دهد. برای حساس‌تر کردن سیستم، این تیم یک کاغذ مخصوص پوشیده از نانوذرات طلا ساخت که سیگنال مایع مفصلی را به نحوه چشمگیری تحکیم می‌کند.

هنگامی قطره کوچکی از مایع مفصلی روی این کاغذ روکش‌شده با طلا قرار می‌گیرد، دستگاه یک امضای طیفی نزدیک را ثبت می‌کند که می‌تواند با منفعت گیری از الگوریتم‌های یادگیری ماشینی تجزیه و تحلیل شود. یک مدل ماشین بردار پشتیبانی (SVM) برای دسته‌بندی این امضاها آموزش داده شد و به حساسیت ۹۷.۳ درصد در اختلاف بین مثالهای آرتروز و آرتریت روماتوئید دست یافت.

محققان به تشخیص دو نوع آرتروز از یکدیگر بسنده نکردند. آنها یک قدم فراتر رفتند و با منفعت گیری از ابزارهای ریاضی پیشرفته – ضریب همبستگی پیرسون (PCC) و فاکتورگیری ماتریس غیرمنفی (NMF) مولکول‌های خاصی را در مایع مفصلی که می‌توانند به گفتن نشانگرهای زیستی عمل کنند، اشکار و اندازه‌گیری کردند.