ترکیب یادگیری ماشینی و تصویربرداری فلورسانس برای تشخیص بیماری

تاریخ : ۰۳ تیر ۱۴۰۰

تعداد بازدید : ۸۳۳

0 امتیاز از 0 رای
نسخه چاپی
موضوعات :

محققان با استفاده از یادگیری ماشینی و میکروسکوپ فلورسانس، ابزاری ساختند که سلول‌های آلوده به ویروس را به سرعت شناسایی می‌کند.

در انسان، آدنو ویروس‌ها می‌توانند سلول‌های دستگاه تنفسی را آلوده کنند، در حالی که ویروس‌های هرپس می توانند سلول‌های پوست و سیستم عصبی را آلوده کنند. در بیشتر موارد، این امر منجر به تولید ذرات ویروس جدید نمی شود، زیرا ویروس‌ها توسط سیستم ایمنی سرکوب می شوند.

 

با این حال ویروس‌های آدنو ویروس و هرپس می توانند باعث ایجاد عفونت‌های مداوم شوند که سیستم ایمنی بدن قادر به سرکوب کامل آنها نیست و سالها ذرات ویروسی تولید می کنند. همین ویروس‌ها می توانند باعث ایجاد عفونت‌های ناگهانی و خطرناک در جایی شوند که سلول‌های مبتلا مقادیر زیادی ویروس آزاد می کنند، به طوری که عفونت به سرعت گسترش می یابد. این موضوع می‌تواند منجر به بیماری های حاد ریه یا سیستم عصبی شود.

 

گروه تحقیقاتی اورز گربر، استاد گروه علوم زیست‌مولکولی در دانشگاه زوریخ (UZH)،برای اولین بار نشان داده است که یک الگوریتم یادگیری ماشینی می تواند سلول‌های آلوده به آدنو ویروس‌ها را فقط بر اساس فلورسانس هسته سلول تشخیص دهد.

 

 گربر می گوید: «روش ما نه تنها سلول‌های آلوده به ویروس را به طور قابل اعتماد شناسایی می کند، بلکه از قبل با دقت عفونت‌های بدخیم را نیز تشخیص می دهد.»

 

 نویسندگان این مطالعه معتقداند که توسعه این فناوری کاربردهای زیادی دارد، از این روش می‌توان برای پیش بینی واکنش سلول‌های انسانی نسبت به ویروس‌ها یا میکروارگانیسم‌های دیگر استفاده کرد.

 

 گربر می افزاید: »این روش راه‌های جدیدی را برای درک بهتر عفونت‌ها و کشف مواد جدید برای مقابله با عوامل بیماری‌زا مانند ویروس‌ها یا باکتری ها باز می کند.»

 

روش تجزیه و تحلیل مبتنی بر ترکیب میکروسکوپ فلورسانس در سلول‌های زنده با فرایندهای یادگیری عمیق است. ویروس‌های تبخال و آدنوویروس در داخل سلول آلوده موجب تغییر سازماندهی سلول می‌شوند و این تغییرات را می‌توان در زیر میکروسکوپ مشاهده کرد. این گروه یک الگوریتم یادگیری عمیق، یک شبکه عصبی مصنوعی، برای شناسایی خودکار این تغییرات ایجاد کردند. این شبکه با مجموعه بزرگی از تصاویر میکروسکوپی آموزش می بیند که از طریق آنها می آموزد الگوهایی را مشخص کند که مشخصه سلول‌های آلوده هستند.

 

گربر توضیح می دهد: «پس از اتمام آموزش و اعتبار سنجی، شبکه عصبی به طور خودکار سلول‌های آلوده به ویروس را تشخیص می دهد.»

 

پژوهشگران نشان دادند که این الگوریتم قادر به شناسایی عفونت‌های حاد و شدید با دقت 95 درصد و تا 24 ساعت قبل از بروز علائم است.

 

 علیرغم دقت زیاد روش، هنوز مشخص نیست که  کدام ویژگی هسته سلول‌های آلوده توسط شبکه عصبی مصنوعی تشخیص داده می شود. با این حال ، حتی بدون دانستن این موضوع، محققان اکنون می‌توانند زیست شناسی سلول‌های آلوده را با جزئیات بیشتری مطالعه کنند.

منبع : https://www.eurekalert.org/pub_releases/2021-06/uoz-mdl062121.php

نظر شما