دیابت در کودکان کبکی؛ هوش مصنوعی و ام.اس؛ و دیدگاهی تازه درباره اختلال طیف اوتیسم

شایان حاج هاشمی|

 

دیابت نوع یک بیماری مزمنی است که در اثر کمبود تولید انسولین توسط پانکراس ایجاد می‌شود. انسولین تنظیم‌کننده‌ی قند خون است. چهارهزار کودک در کبک مبتلا به دیابت نوع یک بوده و 25 درصد این کودکان از یک عارضه‌ی رایج این بیماری به نام کیتواسیدوز دیابتی (DKA, diabetic ketoacidosis) رنج می‌برند.

دکتر میراندا نخلا، متخصص غدد درون‎ریز کودکان در مرکز MUHC و دانشمند مرکز RI-MUHC اخیرا یافته‌های حاصل از تجزیه و تحلیل داده‌های موسسه‌ی Institut National de Santé Publique du Quebec را در مجله‌ی CMAJ منتشر کرده است. آن‌ها دریافتند که در بین سال‌های 2001 تا 2014 وقوع DKA با افزایش روبه‌رو شده است.

تصور آن‌ها این است که این افزایش در اثر تشخیص دیرهنگام دیابت نوع یک روی می‎دهد؛ در حالی‌که می‎توان آن را به سادگی با آزمایش خون و علائم رفتاری کودکان تشخیص داد. این علائم گرچه بسیار آشکار هستند، اما از چشم والدین و معلمان پنهان می‎مانند. این موضوع فقدان دسترسی به مراقبت‎های اولیه را به ما گوشزد می‌کند.

 

هوش مصنوعی و اسکلروسیس مالتیپل (MS)

 

 

گروه IPMSA بر روی پروژه‎ای در موسسه‌ی نورو (Neuro) سرمایه‎گذاری کرده که در آن از تصاویر رزونانس مغناطیسی بیماران اسکلروسیس مالتیپل به همراه ابزارهای هوش مصنوعی و الگوریتم‌های یادگیری عمیق (deep learning) استفاده می‌کنند تا بتوانند روند پیشرفت بیماری را در حین مصرف دارو تعیین کنند. این پروژه از این جهت حائز اهمیت است که آزمایشات بالینی مربوط به MS مدت زمان زیادی به طول می‌انجامد؛ زیرا پیشرفت این بیماری بسیار کند و تشخیص آن بسیار دشوار است.

استفاده از ابزار یادیگری عمیق تشخیص روند پیشرفت بیماری را به جای دانشمندان برعهده‌ی کامپیوترها قرار می‌دهد. الگوریتم‎ها می‌توانند ویژگی‎هایی که برای ما قابل روئیت نیستند تشخیص دهند؛ برای مثال ویژگی‎هایی که الگوریتم تشخیص چهره ملاک قرار می‌دهد با ویژگی‎هایی که انسان‌ها  برای تمایز چهره از یکدیگر استفاده می‌کنند، بسیار متفاوت است. سرپرستی این پروژه برعهده‎ی دکتر داگ آرنولد (Doug Arnold)، متخصص مغز و اعصاب است که پیش از این عضو پروژه‌ی بین‎المللی کاربرد ایمونوتراپی در MS بود؛ هم‎اکنون داروی آن‌ها تنها درمان تأییدشده برای توقف پیشرفت MS است.

کشف نشانه‎های بیولوژیک (biomarkers) برای پیشرفت MS توسط AI نیاز به داده‎های بسیار زیادی دارد که از آزمایشگاه‎ها، بیمارستان‎ها و کمپانی‎ها جمع‎آوری شده‌اند. این داده‎ها منبعی آزاد و قابل دسترس برای محققانی است که برای اهداف IPMSA احترام قائلند.

 

بیشتر بخوانید:

 آیا شما هم اعتیاد غذایی دارید؟

 

دیدگاه تازه درباره اختلال طیف اوتیسم (ASD)

 

 

محققان مؤسسه‎ی داگلاس (douglas Mental Health University Institute) اخیرا مقاله‎ای را در مورد نتایج تجزیه و تحلیل 1327 آم‌.آر.آی در مجله‎ی روانپزشکی Molecular Psychiatry به چاپ رسانده‌اند. استفاده از چنین مجموعه‌ داده‌ای بزرگی که از منابع مختلف بدست آمده است، این تحقیق را به یکی از تحلیل‎های داده‎ای موثق در مورد این بیماری تبدیل کرده است. هدف اصلی از این پروژه تعیین تفاوت‌های آناتومیک مغز است.

آن‌ها دریافتند که آناتومی غشاء مغز (cortical anatomy) نمی‎تواند تفاوت بین فرد مبتلا به ASD و یک فرد عادی را نشان دهد. درواقع، آن‌چه تفاوت آناتومیک بین افراد مبتلا به ASD را تعیین می‌کند، جنسیت، مجموعه علائم، شدت بیماری و قدرت شناختی بیماران است. این نتایج نشان می‎دهد که این فاکتورها باید در مطالعات آینده و نحوه‌ی تشخیص بیماری درنظر گرفته شوند. گام بعدی محققان آنالیز ریزساختار مغز و گروه‌بندی بیماران براساس مجموعه علائم آن‌ها است.