پژوهشگران دانشگاه پزشکی South Carolina Hollings Cancer Center موفق به توسعه یک ابزار مبتنی بر هوش مصنوعی شدهاند که میتواند احتمال بروز بیماری پیوند علیه میزبان مزمن (cGVHD) و مرگ ناشی از پیوند را در بیماران دریافتکننده سلولهای بنیادی یا مغز استخوان پیشبینی کند. این سیستم با ترکیب دادههای بالینی و بیومارکرهای خون، نتایج دقیقتری نسبت به تحلیل صرفاً بالینی ارائه میدهد.
به گفته دکتر Sophie Paczesny، این مدل قادر است بیمارانی که در معرض خطر بالای عوارض قرار دارند را شناسایی کند و به پزشکان اجازه دهد پیش از ظهور علائم، اقدامات پیشگیرانه یا نظارت دقیقتری انجام دهند.
چگونه BIOPREVENT کار میکند؟
تحلیلها بر روی نمونههای خون گرفته شده ۹۰ تا ۱۰۰ روز پس از پیوند انجام شده و مشخص شد که در این دوره، فعالیت ایمنی ممکن است بدون ظهور علائم بالینی آغاز شود. با استفاده از هفت پروتئین مرتبط با ایمنی و التهاب به همراه ۹ عامل بالینی مانند سن، نوع پیوند و بیماری اولیه، مدل یادگیری ماشین توانست بیماران را به گروههای پرخطر و کمخطر تقسیم کند و تفاوتهای قابل توجهی در نتایج تا ۱۸ ماه پس از پیوند نشان دهد.
به گفته Paczesny، این پیشبینیها ۲ تا ۸ ماه قبل از تشخیص رسمی cGVHD امکانپذیر است، که فرصت ارزشمندی برای مداخله زودهنگام فراهم میکند.
دقت بالاتر نسبت به دادههای بالینی
نتایج مطالعه نشان داد که ترکیب دادههای بیومارکر با اطلاعات بالینی، توانایی پیشبینی مرگ ناشی از پیوند را بهطور چشمگیری افزایش میدهد و این مدل در یک گروه مستقل از بیماران نیز اعتبارسنجی شده است.
ابزار در دسترس پزشکان
برای استفاده گسترده، این مدل به صورت اپلیکیشن وب رایگان ارائه شده است. پزشکان میتوانند اطلاعات بیمار و مقادیر بیومارکرها را وارد کنند و ریسک فردی را در طول زمان مشاهده کنند. هرچند این ابزار هنوز برای هدایت مستقیم درمان طراحی نشده، اما میتواند پزشکان را در تصمیمگیریهای پیشگیرانه و نظارت دقیقتر یاری کند.
به گفته محققان، گام بعدی اجرای آزمایشهای بالینی پیشگیرانه است تا مشخص شود آیا اقدامات درمانی زودهنگام میتواند نتایج بلندمدت بیماران پرخطر را بهبود بخشد یا خیر.
این رویکرد، نمونهای از حرکت به سمت پیوند شخصیسازیشده و پزشکی دقیق است و میتواند یکی از چالشبرانگیزترین عوارض پس از پیوند سلولهای بنیادی را کاهش دهد.