یک رویکرد جدید که از فناوری یادگیری ماشینی برای غربالگری سلول‌های ایمنی استفاده می‌کند، می‌تواند به شناسایی شرایط مختلف کمک کند.

به نقل از نیچر، محققان یک ابزار هوش مصنوعی ساخته‌اند که می‌تواند طیف وسیعی از عفونت‌ها و شرایط سلامتی را با غربالگری توالی‌های ژن سلول‌های ایمنی در نمونه‌های خون تشخیص دهد.

در مطالعه‌ای بر روی تقریباً ۶۰۰ نفر که به تازگی در مجله Science منتشر شده است، این ابزار مشخص کرد که آیا شرکت‌کنندگان سالم هستند یا مبتلا به کووید-۱۹، دیابت نوع ۱، اچ‌آی‌وی یا بیماری خودایمنی لوپوس هستند و همچنین اینکه آیا آنها اخیراً واکسن آنفلوانزا دریافت کرده‌اند یا خیر.

سارا تیچمن(Sarah Teichmann)، زیست‌شناس مولکولی در دانشگاه کمبریج بریتانیا می‌گوید: این یک رویکرد توالی‌یابی است که همه چیزهایی را که سیستم ایمنی بدن شما در معرض آن قرار گرفته است، ثبت می‌کند.

ماکسیم زاسلاوسکی(Maxim Zaslavsky)، دانشمند کامپیوتر در دانشگاه استنفورد در کالیفرنیا و یکی از نویسندگان این مطالعه، می‌گوید: این ابزار هنوز برای استفاده بالینی آماده نیست، اما با کار بیشتر برای اصلاح رویکرد می‌تواند روزی به پزشکان کمک کند تا با شرایطی که امروزه آزمایش‌های قطعی ندارند، مقابله کنند.

تیچمن می‌گوید: از دیدگاه دنیای واقعی، ایده‌آل است که یک مدل پایه برای سیستم ایمنی داشته باشیم که در آن بتوان هر چیزی را که یک فرد تجربه کرده است، خواند و سپس آن را به مراقبت‌های بهداشتی پیوند زد. مراحل زیادی در مسیر تحقق این امر وجود دارد، اما این یک گام اولیه است.

تشخیص طبیعی

سیستم ایمنی از طریق دو نوع سلول اصلی خود موسوم به سلول‌های B و سلول‌های T سوابق گسترده‌ای از بیماری‌های گذشته و فعلی را در اختیار دارد. سلول‌های B آنتی‌بادی‌هایی تولید می‌کنند که به ویروس‌ها و مولکول‌های مضر متصل می‌شوند، در حالی که سلول‌های T پاسخ‌های دیگر را فعال می‌کنند یا سلول‌های آلوده را می‌کشند.

هنگامی که فردی دچار عفونت یا یک بیماری خود ایمنی است که در آن بدن به اشتباه به بافت‌های خود حمله می‌کند، تعداد سلول‌های B و سلول‌های T در بدن وی افزایش می‌یابد و شروع به تولید گیرنده‌های سطحی خاصی می‌کنند. تعیین توالی ژن‌هایی که این گیرنده‌ها را رمزگذاری می‌کنند، می‌تواند رکورد منحصر به فرد از بیماری‌ها و عفونت‌ها را باز کند.

ویکتور گریف(Victor Greiff)، ایمونولوژیست محاسباتی در دانشگاه اسلو می‌گوید: سیستم ایمنی یک تشخیص طبیعی است و اگر یاد بگیریم چگونه می‌تواند این کار را انجام دهد، می‌توانیم آن را نیز انجام دهیم.

زاسلاوسکی می‌گوید: ابزارهای تشخیصی کنونی از سابقه مواجهه با بیماری‌های سیستم ایمنی استفاده می‌کنند، اما اغلب تلاش‌های قبلی روی توالی‌هایی از سلول‌های B یا T متمرکز شده‌اند. ترکیب آنها برای این تصویر کاملتر از فعالیت ایمنی به ما بازخوانی کامل‌تری از آنچه ممکن است اتفاق بیفتد، ارائه می‌دهد.

زاسلاوسکی و همکارانش یک ابزار هوش مصنوعی ساختند که ۶ مدل یادگیری ماشینی را برای تجزیه و تحلیل توالی‌های ژنی که مناطق کلیدی گیرنده‌های سلول B و T هستند،‌ رمزگذاری می‌کنند و الگوهای مرتبط با بیماری‌های خاص را ترکیب می‌کنند.