محققان با کمک هوش مصنوعی ابزاری برای سنجش نوعی پروتئین ابداع کردند که به تشخیص سکته قلبی کمک می کند.

به گزارش فیز، محققان دانشگاه «یو سی ال ای» به دستاوردی قابل توجه در حوزه تشخیص پزشکی دست یافتند و یک ابزار سنجش جریان عمودی مبتنی بر کاغذ (VFA) با کمک یادگیری عمیق، قادر به تشخیص تروپونین I (cTnI) قلبی با حساسیت بالا ابداع کردند.

تروپونین I یک پروتئین بازدارنده است و در ۳ ایزوفرم عضله قلبی، عضله اسکلتی کند انقباض و عضله اسکلتی تند انقباض ظاهر می شود.

این روش سنجش نوآورانه پتانسیل دسترسی سریع و قابل اعتماد به تشخیص پزشکی به خصوص در محیط هایی که دسترسی به منابع محدود است را فراهم می کند.

بیماری های قلبی همچنان دلیل اصلی مرگ و میر در سراسر جهان هستند و عامل مرگ و میر سالانه ۱۹ میلیون نفر هستند. ردیابی اولیه سکته قلبی یا انفارکتوس حاد(AMI) برای بهبود وضعیت بیمار و کاهش نرخ مرگ و میر حیاتی است. اما هزینه های بالا و الزامات زیرساختی مرتبط با تجهیزات تشخیصی مرتبط با آزمایشگاه های فعلی بیشتر اوقات دسترسی به مراقبت های پزشکی با کیفیت در مناطق کم درآمد و فقیر را محدود می کند.

محققان دانشگاهی برای برطرف کردن این چالش یک ابزار سنجش جریان عمودی(hs-VFA) ابداع کردند که دقت آزمایشگاه های سنتی را با سهولت استفاده و ارزانی فناوری های مراقبت در محل ترکیب می کند. یافته های آنها نشان می دهد این پلتفرم نوآورانه می تواند به طور دقیق سطح تروپونین I را با استفاده از یک نمونه کوچک ظرف ۱۵ دقیقه تعیین کند و به همین دلیل برای تشخیص پزشکی سریع در وضعیت های اورژانسی یا مناطق دورافتاده مناسب است.

قلب این پلتفرم یکپارچگی الگوریتم یادگیری عمیق با قابلیت تقویت نانوذرات نوآورانه است. سیستم hs-VFA از عکسبرداری «تایم لپس»(time-laps imaging) و تحلیل رایانشی برای ارتقای ردیابی (cTnI) که نشانگری کلیدی برای آسیب قلبی است، استفاده می کندو می تواند با دقت 0.2 پیکوگرم به ازای هر میلی لیتر پروتئین مورد نظر را ردیابی کند. این سطح از دقت بسیار بالاتر از ویژگی دستگاه های قابل حمل فعلی است.

سیستم hs-VFA در ۲ مرحله عمل می کند که شامل مرحله اولیه ارزیابی ایمنی و سپس فاز تقویت سیگنال است. در مرحله ارزیابی ایمنی، این آزمایش از نانوذرات طلا برای اتصال به cTnI در سرم استفاده می شود. در مرحله تقویت سیگنال، یون‌های طلا توسط نانوذرات کاتالیز می‌شوند و در نتیجه تغییر رنگی به وجود می آید که توسط یک دستگاه خوانش قابل حمل ثبت می‌شود. سپس الگوریتم‌های یادگیری عمیق این تصاویر را برای افزایش حساسیت و دقت تشخیص cTnI تجزیه و تحلیل می‌کنند.

یکی از نکات مهم درباره این پلتفرم ارزانی آن است. هر سنجش مبتنی بر کاغذ کمتر از ۴ دلار هزینه دارد. ارزان بودن روش برای گسترش استفاده از تشخیص پزشکی با کیفیت بالا در محیط هایی با منابع اندک که زیرساخت آزمایشگاهی معمول وجود ندارد، حیاتی است.