هوش مصنوعی راهی برای تشخیص ۹۰ درصدی سندرم خستگی مزمن یافت
پژوهشگران با استفاده از هوش مصنوعی موفق شدند ارتباط بین اختلالات سیستم ایمنی، میکروبیوم روده و سندرم خستگی مزمن را شناسایی کنند و با دقت ۹۰ درصد بیماران را تشخیص دهند، یافته‌ای که می‌تواند راه را برای درمان‌های هدفمند هموار سازد.
پژوهشی نوین با استفاده از هوش مصنوعی، تلاش کرده است تا الگویی دقیق از تعامل‌های سیستم ایمنی با باکتری‌های روده و متابولیت‌های مرتبط تهیه کند که در سندروم خستگی مزمن دچار اختلال می‌شوند. این بیماری با خستگی شدید، اختلال خواب، سرگیجه و دردهای مزمن مشخص می‌شود و میلیون‌ها نفر در آمریکا را تحت تأثیر قرار داده است.
به نقل از HealthDay، جامعه پژوهش شامل ۱۵۳ بیمار مبتلا به CFS و ۹۶ فرد سالم بود که طی چهار سال پیگیری شدند. محققان دریافتند که ترکیب داده‌های بالینی، ایمنی و میکروبیوم روده با فناوری‌های پیشرفته، توانسته‌اند با دقت ۹۰ درصد افراد مبتلابه سندروم را شناسایی کنند؛ موضوعی که اهمیت زیادی دارد زیرا تاکنون هیچ نشانگر آزمایشگاهی قابل اعتمادی برای تشخیص بیماری در دست نبود.
همچنین بخوانید: بدن چگونه عرق می‌کند؟ پاسخ علم ممکن است شما را شگفت‌زده کند
اختلالات شبکه‌های زیستی مرتبط در CFS با گذشت زمان تثبیت می‌شوند
این یافته‌ها همچنین می‌توانند در درک و درمان عوارض طولانی‌مدت کووید (Long COVID) نیز مؤثر باشند. پژوهش حاکیست که اختلالات شبکه‌های زیستی مرتبط در CFS با گذشت زمان تثبیت می‌شوند اما این روند قابل بازگشت است و مداخلات تغذی‌های، سبک زندگی یا درمان‌های هدفمند ممکن است کمک‌کننده باشند.
محقق ارشد، جولیا اوه، می‌گوید: «ما در تلاشیم نقش‌های جامع از تعامل سیستم ایمنی و باکتری‌های روده ایجاد کنیم تا دلیل اصلی این بیماری را بهتر بفهمیم و به سمت پزشکی دقیق حرکت کنیم.» دکتر دریا اونتماز، همکار این مطالعه، تاکید می‌کند که پیشرفت در تشخیص CFS بسیار مهم است چون برخی پزشکان هنوز به طور کامل به وجود آن اعتراف ندارند و ممکن است علائم را به عوامل روانی نسبت دهند.
در نهایت، این تحقیق نشان می‌دهد بیماری‌های پیچیده‌ای مانند سندرم خستگی مزمن نه فقط در یک بخش بدن بلکه در ارتباط پویایی میان سیستم‌های مختلف بدن ریشه دارند و فناوری‌های نوین می‌توانند در شناسایی و درمان آنها نقشی تعیین‌کننده ایفا کنند.
منبع: ایتنا
