25 مارس 2022 -توسط بنیاد سلول های بنیادی نیویورک
ایمونوهیستوشیمی برای آلفا سینوکلئین که رنگ‌آمیزی مثبت (قهوه‌ای) بدن لوی درون عصبی در جسم سیاه در بیماری پارکینسون را نشان می‌دهد. اعتبار: ویکی پدیا
مطالعه‌ای که در Nature Communications منتشر شد، از یک پلتفرم جدید برای کشف نشانه‌های سلولی بیماری پرده برداری کرد که سیستم‌های روباتیک را برای مطالعه سلول‌های بیمار با روشهای هوش مصنوعی برای تجزیه و تحلیل تصویر یکپارچه می‌کند. دانشمندان مؤسسه تحقیقاتی NYSCF با استفاده از پلتفرم کشت سلولی خودکار خود، با Google Research همکاری کردند تا با ایجاد و نمایه سازی بیش از یک میلیون تصویر از سلول های پوست از گروهی متشکل از 91 بیمار و افراد سالم، نشانه های سلولی جدید بیماری پارکینسون را با موفقیت شناسایی کنند.
سوزان ال. سولومون، مدیر عامل NYSCF، گفت: “کشف دارو به روش سنتی، به ویژه برای بیماری های پیچیده مانند پارکینسون، خیلی خوب کار نمی کند.” فناوری رباتیکی که NYSCF ساخته است به ما اجازه می دهد تا حجم وسیعی از داده ها را از جمعیت زیادی از بیماران تولید کنیم و نشانه های جدیدی از بیماری را به عنوان مبنایی کاملاً جدید برای داروهایی که واقعاً کار می کنند، کشف کنیم.
مارک برندل، مهندس نرم‌افزار در Google Research می‌گوید: «این یک نمایش ایده‌آل از قدرت هوش مصنوعی برای تحقیقات بیماری‌ها است. “ما همکاری بسیار سازنده ای با NYSCF داشته ایم، به ویژه به این دلیل که سیستم های روباتیک پیشرفته آنها داده های قابل تکراری را ایجاد می کنند که می توانند بینش های قابل اعتمادی را ارائه دهند.”
جفت هوش مصنوعی و اتوماسیون
این مطالعه از مخزن وسیع سلول‌های بیمار NYSCF و سیستم رباتیک پیشرفته – آرایه سلول‌های بنیادی جهانی NYSCF – برای نمایه تصاویر میلیون‌ها سلول از 91 بیمار پارکینسون و افراد سالم استفاده کرد. دانشمندان از آرایه برای جداسازی و گسترش سلول‌های پوستی به نام فیبروبلاست‌ها از نمونه‌های بیوپسی پانچ پوست، برچسب‌گذاری قسمت‌های مختلف این سلول‌ها با تکنیکی به نام Cell Painting و ایجاد هزاران تصویر میکروسکوپ نوری با محتوای بالا استفاده کردند. تصاویر به‌دست‌آمده به یک برنامه تجزیه و تحلیل تصویر مبتنی بر هوش مصنوعی بی‌طرفانه وارد شدند و ویژگی‌های تصویری خاص سلول‌های بیمار را شناسایی کردند که می‌توان آنها را از کنترل‌های سالم متمایز کرد.
ساموئل جی یانگ، دانشمند تحقیقاتی در تحقیقات گوگل، می‌گوید: «این روشهای هوش مصنوعی می‌توانند مشخص کنند که سلول‌های بیمار دارای چه ویژگی‌هایی هستند که ممکن است در غیر این صورت قابل مشاهده نباشند». همچنین آنچه مهم است این است که الگوریتم‌ها بی‌طرفانه هستند – آنها به هیچ دانش قبلی یا پیش‌فرض در مورد بیماری پارکینسون متکی نیستند، بنابراین ما می‌توانیم نشانه‌های کاملاً جدیدی از بیماری را کشف کنیم.
نیاز به نشانه‌های جدید پارکینسون با نرخ بالای شکست آزمایش‌های بالینی اخیر برای داروهای کشف‌شده بر اساس اهداف بیماری خاص و مسیرهایی که گمان می‌رود محرک‌های بیماری هستند، تأکید می‌کند. کشف این علائم جدید بیماری با استفاده از روشهای بی‌طرفانه، به‌ویژه در میان جمعیت بیماران، برای تشخیص و کشف دارو ارزش دارد و حتی تمایزات جدیدی را بین بیماران آشکار می‌کند.
دکتر Bjarki Johannesson، محقق ارشد NYSCF در این مطالعه، خاطرنشان کرد: “به طرز هیجان انگیزی، ما توانستیم بین تصاویر سلول های بیمار و افراد سالم، و بین انواع مختلف بیماری تمایز قائل شویم.” ما حتی می‌توانیم با دقت نسبتاً دقیقی پیش‌بینی کنیم که نمونه سلول‌ها از کدام اهداکننده آمده است.»
