مترجم: علی طالبی
یک سال پس از انتشار مقاله محققان درباره آزمایش فیزیولوژیکی اوتیسم، تحقیقی در ادامه تحقیقات قبلی موفقیتآمیز بودن استثنایی این آزمایش در ارزیابی و تشخیص کودکان در طیف اوتیسم را تأیید میکند. آزمایش فیزیولوژیکی با پشتیبانی روند تشخیصی پزشک بالینی میتواند سن تشخیص اوتیسم در کودکان را کاهش دهد و به درمان زودهنگام اوتیسم بینجامد. نتایج این تحقیق نشان داد که برای پیشبینی اوتیستیک بودن کودکان، الگوریتمی مبتنی بر متابولیتها میتوان از نمونه خونی استفاده کرد.
یورگن هان، مؤلف اصلی طرح، استاد و سرپرست مؤسسه پلیتکنیک رنسلر میگوید: «ما گروهی از کودکان ASD (اوتیستیک) را نیز مستقل از تحقیق پیشینمان بررسی کردیم و به همان میزان موفقیت داشتیم. ما میتوانیم با ۸۸ درصد دقت پیشبینی کنیم که کودکی اوتیسم دارد یا خیر. این بهشدت دلگرمکننده است.»
روش یورگن هان به جای جستوجو به دنبال یک شاخص برای ASD، از تکنیکهای کلان داده برای جستوجوی الگوهایی در متابولیتها استفاده میکند که به دو مسیر سلولی بههمپیوسته وابستهاند. احتمال میرود این دو مسیر سلولی (مجموعهای از برهمکنشها میان مولکولها که کارکرد سلول را کنترل میکنند) به ASD مرتبط هستند.
محققان معتقدند که در واقع این طرح در توسعه آزمایشی فیزیولوژیکی برای اوتیسم نمونهای است برای اینکه ببینیم تعامل میانرشتهای علوم زندگی و مهندسی در دانشگاه رنسلر چگونه چشماندازها و راهکارهایی برای بهبود سلامت انسان به همراه میآورد. این نتیجهای عالی از تأکید کلان ما بر آلزایمر و بیماریهای تخریبکننده اعصاب در CBIS است. کار ما در CBIS رهیافتهای متعدد را به هم پیوند میدهد تا ابزارهای تشخیصی بهتری را بسازیم و راههای درمانی جدیدی را با کمک علوم زیستی تولید کنیم.»
این گروه برای بازآفرینی الگوریتم پیشبینی اوتیسم از رویکرد خود استفاده کردند. آنها برای این کار از داده ۲۲ متابولیت از گروه نخستین متشکل از ۱۴۹ کودک بهره بردند. پس از آن به منظور سنجش این الگوریتم، آن را روی گروه جدیدی متشکل از ۱۵۴ کودک اعمال کردند. این الگوریتم پس از اعمال روی هر شخص، با ۸۸ درصد دقت به درستی اوتیسم را پیشبینی کرد.
بنا به گفته محققان، تفاوت درصد دقت در آزمایش اولیه و آزمایش جدید احتمالاً به عوامل متعددی مربوط میشود. مهمترین دلیل این است که دو متابولیت در دومین پایگاه داده در دسترس نبودهاند. هر دوی این متابولیتها در تحقیق قبلی شاخصهایی قوی بودهاند. در کل، آزمایش دومی به نتایج تحقیق اولیه اعتبار میبخشد و چشم ما را به واریاسیونهای متعدد این رویکرد میگشاید.
یورگن هان بیان میکند: «معنادارترین نتیجه درصد دقت بالایی است که ما میتوانیم با استفاده از این رویکرد برای دادههایی به دست آوریم که با سالها فاصله نسبت به پایگاه داده اولیه جمعآوری شدهاند. این رویکردی است که میخواهیم در آزمایشهای بالینی و در نهایت در آزمایشی که از نظر تجاری در دسترس است، ببینیم.»
منبع: ساینس دیلی