یک مدل جدید هوش مصنوعی که در کالج امپریال لندن توسعه یافته است، میتواند روند کشف درمانهای بیماریهای قلبی را سرعت ببخشد. این سامانه با ترکیب اسکنهای دقیق قلب و پایگاههای بسیار بزرگ دادههای پزشکی، به پژوهشگران کمک میکند تا با دقت بیشتری مسیرهای درمانی مؤثر را شناسایی کنند.
از آنجا که بیماریهای قلبیعروقی همچنان مهمترین علت مرگومیر در اتحادیه اروپا به شمار میروند و هر سال حدود ۱.۷ میلیون نفر را قربانی میکنند، پژوهشگران تأکید دارند که استفاده از ابزارهای هوشمندتر، یک ضرورت فوری است.
این مدل که «CardioKG» نام دارد، بر دادههای تصویربرداری هزاران نفر از شرکتکنندگان پروژه UK Biobank تکیه میکند. در این مجموعه، هم اطلاعات افرادی که دچار نارسایی قلبی، حمله قلبی یا فیبریلاسیون دهلیزی بودهاند وجود دارد و هم دادههای مربوط به داوطلبان سالم، تا امکان مقایسه و تحلیل دقیقتر فراهم شود.
هدف اصلی CardioKG این است که با کنار هم گذاشتن اطلاعات ژنتیکی، دارویی و بالینی، پیشبینی کند کدام داروها احتمالاً برای هر نوع مشکل قلبی مؤثرتر هستند. به این ترتیب، انتخاب درمان صرفاً به روشهای سنتی آزمونوخطا محدود نمیماند و میتوان گزینههای امیدوارکننده را زودتر و هدفمندتر شناسایی کرد.
بر اساس نتایج اولیه، این سامانه چند دارو را بهعنوان گزینههای بالقوه مطرح کرده است؛ از جمله «متوترکسات» که معمولاً برای آرتریت روماتوئید استفاده میشود، و گروهی از داروهای دیابت موسوم به «گلیپتینها» که مدل پیشنهاد میکند ممکن است برای برخی بیماران قلبی سودمند باشند.
این مدل همچنین به احتمال اثر محافظتی کافئین در برخی افراد مبتلا به فیبریلاسیون دهلیزی اشاره میکند. با این حال، پژوهشگران تأکید کردهاند که افراد نباید صرفاً بر اساس این نتایج، مصرف کافئین خود را تغییر دهند. برای هر نوع تصمیم درمانی یا تغذیهای، لازم است که به شواهد علمی معتبر و مشورت با پزشک متخصص توجه شود. دانشمندان معتقدند که این رویکرد میتواند در سایر زمینههای پزشکی نیز کاربرد داشته باشد، از جمله در بررسی اختلالات مغزی و چاقی.
در ادامه این پروژه، پژوهشگران در حال تبدیل این «گراف دانشی» به یک سامانه بیمارمحور هستند؛ سامانهای که سیر واقعی پیشرفت بیماری را در افراد دنبال میکند. هدف بلندمدت آنها این است که درمانها نهتنها شخصیسازیشدهتر شوند، بلکه در زمان مناسبتر هم انجام بگیرند تا اثرگذاری بیشتری داشته باشند.
