یادداشت
تشخیص مواجهه پنهان با پرتوهای یونیزان توسط آزمایش خون
ترکیب شاخصهای خونی با الگوریتمهای یادگیری ماشین میتواند روشی سریع و کمهزینه برای شناسایی و ارزیابی مواجهه با پرتوهای یونیزان فراهم کند.
امتیاز:
به گزارش پایگاه اطلاع رسانی بنیان، تشخیص میزان مواجهه افراد با پرتوهای یونیزان، بهویژه پس از حوادث هستهای و پرتوی، یکی از مسائل مهم در پزشکی اورژانس و حفاظت در برابر تشعشعات است. در چنین شرایطی، ممکن است تعداد زیادی از افراد در معرض پرتو قرار بگیرند، بدون آنکه نشانههای بالینی مشخصی داشته باشند یا حتی از میزان مواجهه خود اطلاع پیدا کنند. در این میان، تشخیص سریع افرادی که به مراقبت پزشکی نیاز دارند، اهمیت زیادی دارد؛ زیرا شدت آسیبهای ناشی از پرتو به عواملی مانند مقدار دوز دریافتی، مدت زمان سپریشده از مواجهه و حساسیت زیستی هر فرد بستگی دارد. پژوهشهای جدید نشان میدهند که شاید بتوان با استفاده از آزمایشهای معمول خون و ترکیب نتایج آنها با الگوریتمهای یادگیری ماشین، روشی سریعتر و در دسترستر برای شناسایی مواجهه با پرتو توسعه داد. مطالعهای که بهتازگی منتشر شده، نشان داده است که تغییرات سلولهای خونی میتوانند اطلاعات ارزشمندی درباره مواجهه با پرتو فراهم کنند و الگوریتمهای هوش مصنوعی قادرند الگوهای پیچیده این تغییرات را برای پیشبینی مواجهه شناسایی کنند.
مواجهه سلولهای خونی با پرتو
پرتوهای یونیزان با انتقال انرژی به بافتهای زنده، میتوانند ساختارهای سلولی بهویژه DNA، را تحت تأثیر قرار دهند. مغز استخوان یکی از حساسترین بافتهای بدن در برابر این نوع آسیب است؛ زیرا محل تولید و تکامل سلولهای خونی به شمار میرود. مواجهه با پرتو میتواند فعالیت سلولهای بنیادی خونساز را مختل کند و در نتیجه، تعداد و ترکیب سلولهای خونی در گردش تغییر کند. کاهش لنفوسیتها، تغییر تعداد نوتروفیلها و سایر گلبولهای سفید، نوسانات شمارش پلاکتها و اختلال در شاخصهای مرتبط با گلبولهای قرمز از جمله تغییراتی هستند که ممکن است پس از تابش مشاهده شوند. شدت و الگوی این تغییرات به دوز دریافتی و زمان نمونهگیری وابسته است. به همین دلیل، شمارش کامل سلولهای خون یا CBC میتواند اطلاعاتی درباره پاسخ بدن به پرتو ارائه دهد. اهمیت این روش در آن است که برخلاف بسیاری از آزمایشهای تخصصی، CBC در آزمایشگاههای بالینی بهطور گسترده انجام میشود و به تجهیزات پیچیده یا فرایندهای زمانبر نیاز ندارد. با این حال، تفسیر نتایج آن همیشه ساده نیست؛ زیرا عوامل دیگری مانند سن، جنس، وضعیت ایمنی، بیماریهای زمینهای و تفاوتهای ژنتیکی نیز بر تعداد سلولهای خونی اثر میگذارند.
یادگیری ماشین برای کشف الگوهای پنهان در آزمایش خون
در مطالعه منتشرشده، پژوهشگران تلاش کردند با استفاده از روشهای یادگیری ماشین، مجموعهای از شاخصهای خونی را شناسایی کنند که بیشترین توانایی را در تشخیص مواجهه با پرتو دارند. بازه زمانی گسترده به پژوهشگران امکان داد تغییرات خونی را نهتنها در ساعات و روزهای ابتدایی، بلکه در دورههای طولانیتر پس از مواجهه بررسی کنند. در ادامه، یک مدل پیشبینی مبتنی بر یادگیری ماشین و روش یادگیری بازنمایی تنک توسعه داده شد تا از میان مجموعه بزرگی از شاخصهای CBC، متغیرهایی را انتخاب کند که بیشترین اطلاعات را درباره وضعیت مواجهه در اختیار مدل قرار میدهند. مزیت چنین رویکردی آن است که بهجای بررسی مستقل هر شاخص، ارتباط میان چندین پارامتر خونی بهصورت همزمان تحلیل میشود و الگوهایی که ممکن است در ارزیابی معمول آزمایش خون قابل تشخیص نباشند، شناسایی میشوند.
دقت بالای مدل در شناسایی افراد در معرض پرتو
نتایج ارزیابی مدل نشان داد که ترکیب شاخصهای خونی با الگوریتمهای یادگیری ماشین میتواند عملکرد قابلتوجهی در تشخیص مواجهه پرتوی داشته باشد. در اعتبارسنجی متقاطع دادهها، مقادیر مربوط به سطح زیر منحنی ROC، دقت و حساسیت مدل از ۸۰ درصد فراتر رفتند. منحنی ROC یکی از معیارهای مهم ارزیابی عملکرد روشهای تشخیصی است و نشان میدهد یک مدل تا چه اندازه میتواند نمونههای در معرض پرتو را از نمونههای بدون مواجهه تفکیک کند. اهمیت این یافته زمانی بیشتر مشخص میشود که بدانیم در حوادث پرتوی، معمولاً اطلاعات دقیقی درباره زمان و مقدار مواجهه همه افراد وجود ندارد و ابزار تشخیصی باید بتواند تنها بر اساس نمونه زیستی، احتمال مواجهه را تخمین بزند. با وجود این، عملکرد مناسب در گروههای اولیه بهتنهایی برای اثبات قابلیت استفاده بالینی کافی نیست و باید پایداری مدل در جمعیتهای متنوع انسانی نیز بررسی شود.
نقش تفاوتهای ژنتیکی در دقت تشخیص
یکی از بخشهای مهم این پژوهش، بررسی تأثیر زمینه ژنتیکی بر عملکرد مدل بود. برخلاف نتایج بهدستآمده از مجموعههای اولیه، عملکرد مدل در این جمعیت ژنتیکی متنوعتر کاهش پیدا کرد و تفاوت محسوسی میان سویههای مختلف مشاهده شد. این نتیجه نشان میدهد که پاسخ خونساز بدن به پرتو در همه افراد یکسان نیست و ویژگیهای ژنتیکی میزبان میتوانند بر تغییرات سلولهای خونی و در نتیجه بر دقت پیشبینی تأثیر بگذارند. برای مثال، ممکن است دو فرد با دوز دریافتی مشابه، الگوهای متفاوتی از کاهش لنفوسیتها یا تغییر سایر جمعیتهای سلولی نشان دهند. بنابراین، یک مدل تشخیصی که بر اساس اطلاعات محدود یک جمعیت توسعه یافته باشد، لزوماً در جمعیتهای دیگر همان عملکرد را نخواهد داشت. این یافته اهمیت استفاده از دادههای متنوع و توسعه مدلهایی را نشان میدهد که بتوانند تفاوتهای زیستی میان افراد را در فرایند پیشبینی در نظر بگیرند. یکی دیگر از مسائل مهم در ارزیابی مواجهه پرتوی، تعیین گستره تابش است. در یک حادثه پرتوی، ممکن است تمام بدن در معرض پرتو قرار نگیرد و تنها بخشی از بدن تابش دریافت کند. این تفاوت از نظر بالینی اهمیت زیادی دارد؛ زیرا میزان آسیب به مغز استخوان و سایر اندامها در تابش کل بدن و تابش جزئی یکسان نیست. یکی از کاربردهای مهم این فناوری، استفاده از آن در مدیریت حوادث هستهای و پرتوی است. در چنین شرایطی، ممکن است صدها یا هزاران نفر بهطور همزمان در معرض خطر قرار بگیرند و امکانات آزمایشگاهی برای بررسی دقیق تکتک افراد کافی نباشد. در این وضعیت، روشهایی که بتوانند با استفاده از یک نمونه خون ساده، افراد مشکوک به مواجهه را شناسایی و برای بررسیهای تکمیلی اولویتبندی کنند، ارزش زیادی خواهند داشت. آزمایشCBC به دلیل دسترسی گسترده، هزینه نسبتاً پایین و سرعت انجام مناسب، میتواند نقطه شروع چنین فرایندی باشد. پس از آن، در صورت نیاز میتوان از آزمایشهای تخصصیتر مانند اندازهگیری پروتئینهای حساس به آسیب DNA یا بررسی ناهنجاریهای کروموزومی استفاده کرد. این رویکرد چندمرحلهای میتواند به تفکیک افرادی که احتمالاً دوز بالاتری دریافت کردهاند از افرادی که به ارزیابیهای فوری نیاز ندارند کمک کند. در واقع، هدف اصلی چنین سامانههایی جایگزین کردن کامل روشهای استاندارد دوزسنجی نیست، بلکه فراهم کردن ابزاری مکمل برای تصمیمگیری سریعتر در شرایطی است که زمان و ظرفیت تشخیصی محدود هستند.
آزمایش خون بهعنوان ابزاری برای تصمیمگیری سریعتر
مجموعه این مطالعات نشان میدهد که خون محیطی میتواند اطلاعاتی فراتر از وضعیت عمومی سلامت در اختیار پزشکان قرار دهد و به ابزاری برای شناسایی آثار زیستی مواجهه با پرتو تبدیل شود. این پژوهش اهمیت شاخصهای معمول شمارش خون را در ترکیب با یادگیری ماشین برجسته میکند، در حالی که مطالعات دیگر نشان دادهاند پروتئینهای پاسخدهنده به آسیب DNA و ترکیب چند نشانگر زیستی میتوانند دقت ارزیابی را افزایش دهند. نکته مهم، حرکت از بررسی یک نشانگر منفرد به سمت تحلیل همزمان مجموعهای از اطلاعات زیستی است. رویکردی که امکان درک دقیقتری از پاسخ بدن به تابش را فراهم میکند. اگر این روشها در مطالعات انسانی و شرایط بالینی اعتبارسنجی شوند، میتوانند به توسعه سامانههای غربالگری سریع و کمهزینه کمک کنند؛ سامانههایی که با استفاده از اطلاعات یک آزمایش خون معمولی، افراد نیازمند بررسیهای تخصصی را زودتر شناسایی میکنند. چنین قابلیتی در مدیریت حوادث پرتوی، برنامهریزی درمان و کاهش تأخیر در ارائه مراقبتهای پزشکی اهمیت ویژهای خواهد داشت.
پایان مطلب./