نماد سایت خبرگزاری سیناپرس

یادگیری ماشینی ، خطرات قلبی و عروقی را پیش بینی می کند

به گزارش سیناپرس، برای مدت های طولانی بیماری های قلبی عروقی علت اصلی مرگ و میر در اکثر کشورهای صنعتی و در حال توسعه باقی مانده است.

پیشگیری از بیماری قلبی عروقی به تشخیص به موقع آن تا شروع درمان های محافظت کننده قلبی در اوایل دوره بیماری بستگی دارد. با این حال، فقدان یک مدل هشدار دقیق خطر برای پیش‌ بینی حساسیت فرد به بیماری قلبی عروقی وجود دارد.

محققان مطالعه حاضر به دنبال تولید و آزمایش مدل جدیدی از خطرات قلبی عروقی بودند که از نشانگرهای زیستی جدیدتر، به‌ عنوان عامل اندازه‌ گیری پیامد به جای نقاط پایانی بالینی قبلی استفاده می‌ کرد. به گزارش سیناپرس،در اینجا محققان یک امتیاز پیش ‌آگهی مبتنی بر پروتئومیکس ایجاد کردند که می‌ تواند پیامدهای قلبی عروقی واقعی را در یک بازه زمانی نسبتاً کوتاه پیش ‌بینی کند، در حالی که همه مکانیسم‌های شناخته‌ شده را نیز شامل می ‌شود و به مدل اجازه می ‌دهد به تغییرات در نتیجه پاسخ دهد. 

در ادامه محققان ۵ هزار  پروتئین را در هر نمونه پلاسما اندازه‌ گیری کردند و از یادگیری ماشینی برای ایجاد یک مدل پیش آگهی استفاده کردند. این مدل از ۲۷ پروتئین استفاده کرد و خطر مطلقی را که در چهار سال آینده رخ می دهد مانند حمله قلبی، سکته مغزی، بستری شدن در بیمارستان به دلیل نارسایی قلبی و مرگ و میر به هر علتی را پیش ‌بینی کرد.

این ابزار بر روی گروه‌های متعدد با چندین بیماری آزمایش و تغییرات در پارامترها در طول زمان اندازه‌ گیری شد. به طور کلی، بیش از ۱۱ هزار و ۶۰۰ شرکت کننده با یک نتیجه چهار ساله در این مطالعه وارد شدند. به گزارش سیناپرس،از بین پروتئین های مورد استفاده در این مدل، ۱۴ پروتئین همبستگی مثبت و ۱۳ پروتئین همبستگی منفی نشان دادند. این پروتئین ها با ده یا چند فرآیند بیولوژیکی مطابقت دارند، مانند آنهایی که در حفظ حجم خون و دفع سدیم، تشکیل وزیکول، رگزایی و سرعت فیلتراسیون گلومرولی نقش دارند.

این مدل همچنین در جهت درست به تغییرات نامطلوب و مفید در خطر پیش ‌بینی‌ شده پروتئین پاسخ داد. به عنوان مثال، در بخشی از مجموعه داده های مورد استفاده، خطر ابتلا به بیماری قلبی عروقی تا ۶ درصد در طی دو سال افزایش یافت و به درستی یک عارضه جانبی آینده را پس از نمونه دوم پیش بینی کرد.

این مدل همچنین می تواند خطرات بالاتری را با شرایط مختلفی پیش ‌بینی ‌کند که به افزایش میزان بروز رویدادها معروف هستند مانند سرطان سینه، افرادی که سابقه بیماری های قبلی داشتند و افرادی که در حال حاضر سیگار می ‌کشند یا دیابتی هستند. 

مدل توسعه‌ یافته در مطالعه حاضر، همبستگی ثابتی را بین نرخ رویداد و خطر مطلق پیش‌ بینی ‌شده نشان داد که از مدل‌ های پیش ‌آگهی موجود در حال حاضر پیشی می ‌گیرد. علاوه بر این، مدل فعلی بیش از دو برابر دامنه دینامیکی داشته و خطرات قلبی عروقی را بهتر طبقه‌ بندی می کند. همچنین این مدل از نظر بیولوژیکی منسجم است زیرا فرآیندهای بیولوژیکی مختلفی که در سلامت قلب و عروق نقش دارند توسط پروتئین ها واسطه و تنظیم می شوند.

به گزارش سیناپرس، در شرایط تغییرات مثبت، منفی و خنثی در عوامل خطر، این مدل مبتنی بر کاهش، افزایش یا عدم تغییر واقعی پروتئین ریسک مطلق پیش ‌بینی ‌شده را نشان می دهد. هنگامی که سایر شرایط مرتبط با افزایش حوادث قلبی عروقی از جمله سیگار کشیدن و دیابت در تجزیه و تحلیل گنجانده شد، مدل به پیش ‌بینی صحیح خطر ادامه داد.

همچنین پیش بینی کرد که فشار خون سیستولیک بالا و سطوح بالای چربی خطر را افزایش می دهد. این امر نشان می دهد که این مدل جایگزین جهانی است و بدون توجه به مکانیسم، به تغییر در نتیجه پاسخ می دهد. 

شرح کامل این پژوهش و جزییات یافته های حاصل از آن در آخرین شماره مجله تخصصی Science Translational Medicine نتشر شده است.

مترجم: سامیه خسروی زاده

 

ه
خروج از نسخه موبایل