تشخیص بیماری

پربازدیدترین‌ها

رمزگشایی پیام‌های مولکولی پنهان: کشفی انقلابی برای تشخیص زودهنگام بیماری‌ها

تحول در دندانپزشکی: سامانه هوش مصنوعی دانشگاه تهران بیماری‌های دهان و دندان را با دقت تشخیص می‌دهد

رمزگشایی پیام‌های مولکولی پنهان: کشفی انقلابی برای تشخیص زودهنگام بیماری‌ها

محققان برای نخستین بار موفق به رمزگشایی پیام‌های مولکولی پنهان در بدن انسان شدند. این کشف مهم، درک ما را از نحوه ارتباط سلول‌ها با یکدیگر متحول می‌کند. دانشمندان اکنون می‌توانند محتوای این “نامه‌های مولکولی” را بخوانند.

به گزارش پایگاه اطلاع رسانی جاده مخصوص، میلیاردها بسته کوچک هر ثانیه در جریان خون انسان حرکت می‌کنند. این بسته‌ها اطلاعات حیاتی را بین سلول‌های بدن حمل می‌کنند. محققان انستیتو قلب و دیابت بیکر این نامه مولکولی را برای نخستین بار باز کردند. آن‌ها محتوای داخل آن را نیز مشخص ساختند.

پروفسور دیوید گرینینگ و آرلین رأی، طرح مولکولی کامل وزیکول‌های خارج سلولی (EVs) را ترسیم کردند. این ذرات نانو در خون، به عنوان پیام‌رسان‌های مخفی بدن عمل می‌کنند. آن‌ها نقش مهمی در انتقال اطلاعات سلولی دارند. این کشف، درک ما را از پیام‌های مولکولی پنهان بدن افزایش می‌دهد.

دانشمندان دهه‌ها از وجود وزیکول‌های خارج سلولی آگاه بودند. این وزیکول‌ها پروتئین‌ها، چربی‌ها و مواد ژنتیکی را جابه‌جا می‌کنند. این مواد سلامت سلول‌های مبدأ را نشان می‌دهند. اما ایزوله‌سازی آن‌ها همواره یک چالش بزرگ علمی بود. خون ترکیبی پیچیده با کلسترول، آنتی‌بادی و میلیون‌ها ذره دیگر است.

به گزارش جاده مخصوص، رأی در این باره می‌گوید: “این وزیکول‌ها شبیه پاکت‌های کوچکی هستند که بین سلول‌ها ارسال می‌شوند. آن‌ها به‌روزرسانی‌های مولکولی درباره آنچه در بدن رخ می‌دهد را منتقل می‌کنند. تا به امروز ما نتوانسته بودیم پیام‌های داخل آن‌ها را به دقت بخوانیم.”

محققان با همکاری دانشگاه ملبورن و دانشگاه لاتروب، روش‌های جداسازی فوق خالص را به کار گرفتند. آن‌ها از پروفایلینگ مولتی‌امیکس پیشرفته نیز استفاده کردند. این تیم ۱۸۲ پروتئین و ۵۲ لیپید را شناسایی کرد. این مولکول‌ها ساختار اصلی EVهای پلاسمای انسان را تشکیل می‌دهند.

محققان مجموعه‌ای دیگر از مولکول‌ها را نیز شناسایی کردند. این مولکول‌ها EVها را از سایر ذرات موجود در جریان خون متمایز می‌کنند. این کشف به طور مؤثر سیستم ارتباط مولکولی بدن را رمزگشایی می‌کند. برای دسترسی به این یافته، آن‌ها EVMap را توسعه دادند. این منبع آنلاین رایگان و تعاملی، بررسی آرایش مولکولی EVها را برای دانشمندان سراسر جهان ممکن می‌سازد.

گرینینگ می‌گوید: “با رمزگشایی این زبان مولکولی، ما می‌توانیم گزارش‌های سلامت بدنمان را بخوانیم.” آن‌ها امضای EV مرتبط با ظهور بیماری قلبی را شناسایی کرده‌اند. این کشف مسیر را برای یک آزمایش خون ساده هموار می‌کند. این آزمایش ریسک بروز بیماری را مدت‌ها قبل از ظهور علائم آشکار می‌کند. این پیشرفت در زمینه پیام‌های مولکولی پنهان، تشخیص زودهنگام بیماری‌ها را متحول خواهد کرد.

تحول در دندانپزشکی: سامانه هوش مصنوعی دانشگاه تهران بیماری‌های دهان و دندان را با دقت تشخیص می‌دهد

پژوهشگران دانشگاه تهران یک سامانه هوش مصنوعی دندانپزشکی توسعه داده‌اند که با تحلیل تصاویر پانورامیک دندان، بیماری‌هایی مانند پوسیدگی، بیماری‌های لثه و نهفتگی دندان را با سرعت و دقت تشخیص می‌دهد. این سامانه به عنوان دستیار متخصصان، تحولی بزرگ در فرآیند تشخیص و برنامه‌ریزی درمانی ایجاد می‌کند.

به گزارش پایگاه اطلاع رسانی جاده مخصوص، این پژوهش در قالب یک مقاله از رساله دکتری مهدیه دهقانی منتشر شد. رضا آقایی زاده ظروفی، استاد دانشکده مهندسی برق و کامپیوتر، سرپرستی این پژوهش را بر عهده داشت و آن را در یک نشریه بین‌المللی منتشر کرد.

ظروفی، سرپرست این پژوهش، درباره اهمیت آن در بهداشت و درمان دندانپزشکی توضیح داد. او گفت دندان‌ها نقش اساسی در سلامت عمومی انسان دارند. پیشگیری و درمان بیماری‌های دهان و دندان به شدت به تکنیک‌های تصویربرداری وابسته است. تصاویر پانورامیک اشعه ایکس اطلاعات جامعی از تاج و ریشه دندان، وضعیت لثه و استخوان‌های فک ارائه می‌دهند. ما این تصاویر را ابزاری مؤثر برای بررسی ناهنجاری‌های آناتومیک، ارزیابی شرایط ایمپلنت و برنامه‌ریزی درمان‌های ارتودنسی می‌دانیم.

او افزود: تعیین یافته‌های بالینی در تصاویر پانورامیک به تجربه و تخصص پزشک بستگی دارد. این موضوع فرآیند گزارش‌نویسی را زمان‌بر و وابسته به شرایط کاری می‌کند. افزایش حجم داده‌ها و خستگی ناشی از کار مداوم نیز می‌تواند دقت تشخیص را کاهش دهد. در چنین شرایطی، فناوری هوش مصنوعی می‌تواند به عنوان ابزاری کمکی در تفسیر تصاویر پزشکی به کار رود و روند گزارش‌نویسی و تشخیص را تسهیل کند.

به گزارش جاده مخصوص، استاد دانشکده مهندسی برق و کامپیوتر دانشگاه تهران بیان کرد که محققان تلاش کرده‌اند این چالش را با کمک فناوری حل کنند. آن‌ها برای این منظور یک سامانه تشخیصی مبتنی بر هوش مصنوعی دندانپزشکی طراحی کرده‌اند. این سامانه از معماری پیشرفته شبکه عصبی به نام YOLOv11 استفاده می‌کند. محققان این سامانه را بر روی یک مجموعه‌داده عمومی آموزش داده‌اند. این مدل قادر است به‌صورت خودکار، محل دقیق ضایعات و ناهنجاری‌ها را در تصویر شناسایی کند و احتمال درستی تشخیص خود را نیز اعلام کند.

ظروفی کاربردی بودن پژوهش را یکی از نقاط قوت آن عنوان کرد. او گفت: محققان این مدل را در قالب یک اپلیکیشن تحت وب پیاده‌سازی کرده‌اند تا دندان‌پزشکان و رادیولوژیست‌ها به سادگی از آن استفاده کنند. این سامانه با مشخص کردن محل دقیق مشکلات، به پزشک در اولویت‌بندی و تصمیم‌گیری سریع‌تر کمک می‌کند.

او همچنین افزایش سرعت و اطمینان در تصمیم‌گیری بالینی را از دیگر مزیت‌های استفاده از این سامانه در تشخیص مشکلات دندانپزشکی برشمرد. به گفته کارشناسان، بهره‌گیری از چنین سامانه‌هایی سرعت فرآیند گزارش‌نویسی را افزایش می‌دهد. همچنین، این سامانه به عنوان یک ناظر دوم، با کاهش خطاهای ناشی از خستگی یا حجم بالای کار، دقت تشخیص نهایی را ارتقا می‌دهد. این سامانه نقش مکملی مؤثر برای متخصصان فک و صورت ایفا می‌کند.

بر اساس نتایج این تحقیق، مدل پیشنهادی هوش مصنوعی دندانپزشکی در مقایسه با نسخه‌های قبلی، دقت بالاتری در شناسایی و طبقه‌بندی ناهنجاری‌ها از خود نشان داده است. محققان می‌توانند متن کامل این پژوهش را مشاهده کنند.