به گزارش خبرآنلاین و به نقل از یورونیوز، بیماریهای قلبیعروقی (CVD) به عنوان اصلیترین原因 مرگ و ناتوانی در اتحادیه اروپا شناخته میشوند. بر اساس آمار سازمان همکاری و توسعه اقتصادی (OECD)، این اختلالات سالانه منجر به حدود ۱.۷ میلیون مرگ و تحت تأثیر قرار دادن ۶۲ میلیون نفر میشوند.
دانشمندان در امپریال کالج لندن موفق به ساخت یک ابزار هوش مصنوعی به نام CardioKG شدهاند که هدف آن شناسایی ژنهای مرتبط با بیماریهای قلبی است. این ابزار با استفاده از اسکنهای دقیق قلب و ترکیب آن با دادههای پزشکی گسترده، تلاش دارد تا روند پیدا کردن داروهای جدید برای درمان بیماریهای قلبی را تسریع کند.
دادههای تصویربرداری قلب هزاران نفر از بیوبانک بریتانیا، اساس ساخت این ابزار را تشکیل میدهد. این دادهها شامل افرادی با شرایطی نظیر فیبریلاسیون دهلیزی، نارسایی قلبی و سکته قلبی و همچنین داوطلبان سالم هستند.
پژوهشگران معتقدند با این ابزار میتوان پیشبینیهای دقیقی درباره اثرات داروها بر افرادی با شرایط قلبی خاص انجام داد. دکلن اوریگان، سرپرست گروه تصویربرداری محاسباتی قلب در امپریال کالج، به مزایای این گرافهای دانشی اشاره کرده و گفت: «این گرافها اطلاعات مربوط به ژنها، داروها و بیماریها را به صورت یکپارچه ارائه میدهند.»
این نوآوری میتواند منجر به ارائه مراقبتهای شخصیسازیشده شود که با رفتار قلب هر فرد همخوانی دارد. همچنین این فناوری قابلیت استفاده در مطالعه دیگر وضعیتهای پزشکی، از جمله اختلالات مغزی و چاقی را دارد.
اوریگان اظهار کرد: «گنجاندن تصویربرداری قلبی در گرافها، شناسایی ژنها و داروهای جدید را به طرز چشمگیری تغییر داده است.» در میان داروهای شناساییشده، متوترکسات و گروهی از داروهای دیابت به نام گلیپتینها به چشم میخورند.
مدل هوش مصنوعی پیشنهاد کرده که متوترکسات ممکن است به نارسایی قلبی کمک کند و گلیپتینها برای افرادی که دچار فیبریلاسیون دهلیزی هستند، مفید باشند. همچنین، نتایج تحلیل به تأثیر مثبت کافئین بر برخی بیماران مبتلا به فیبریلاسیون دهلیزی اشاره کرده، هرچند پژوهشگران تأکید کردند که این به معنای تغییر در میزان مصرف کافئین افراد نیست.
خالد رجوب، نویسنده اصلی این مطالعه، گفت: «این کار به گراف دانش که به یک چارچوب پویا و بیمارمحور تبدیل خواهد شد، کمک میکند و امکانهای جدیدی برای درمان شخصیسازیشده و پیشبینی زمان بروز بیماریها فراهم میآورد.»
