تشخیص فوری تر سرطان با لابراتوار روی تراشه ساخت پژوهشگران دانشگاه خواجه نصیر
گروه هوش مصنوعی: پژوهشگران دانشگاه خواجه نصیرالدین طوسی سیستم جدیدی را ارائه کرده اند که از امواج صوتی سطح ایستاده با دقت و کارآیی بی سابقه ای برای جداسازی سلول های تومور از گلبول های قرمز در گردش خون استفاده می نماید.
به گزارش گروه هوش مصنوعی به نقل از ایسنا، در این پلت فرم مدل سازی محاسباتی پیشرفته، تحلیل تجربی و الگوریتم های هوش مصنوعی برای تحلیل و بررسی پدیده های پیچیده آکوستوفلویدیک ادغام شده است. پژوهشگران استفاده نوآورانه ای از میدان های آکوستیک با فشار دوگانه را پیش گرفتند و بطور راهبردی آنها را در موقعیت های هندسی کانال بحرانی بر روی یک بستر لیتیوم نیوبات قرار دادند. با بهره گیری از فشار آکوستیک اعمال شده در میکروکانال، طراحی سیستم برای تولید مجموعه داده های قابل اعتماد میسر شد.
به نقل از ساینس دیلی، طبق گزارش سازمان بهداشت جهانی، سرطان عامل نزدیک به ۱۰ میلیون مرگ در سال ۲۰۲۰ بوده است و تقریباً یک مورد از هر ۶ مرگ در جهان به سبب مبتلاشدن به این بیماری رخ داده است. از آنجا که تشخیص رشد سلولی غیر طبیعی بیمار اغلب خیلی دیر اتفاق می افتد، تشخیص بموقع سرطان یکی از مبرم ترین و سخت ترین اهداف پزشکی بشریت است. تحقیقات اخیر بر روی تشخیص سلول های تومور نادر در گردش خون (CTCs) متمرکز شده اند که به عنوان نشانگرهای غیرتهاجمی عمل می کنند که می توانند به تشخیص این بیماری کمک کنند.
جداسازی سلول های قابل کنترل مورد نظر، جهت بررسی ذاتا دشوار است. روش های سنتی بطور معمول به آماده سازی نمونه دقیق، تجهیزات قابل توجه و حجم نمونه زیاد نیاز دارند و حتی در این صورت، جداسازی مؤثر سلول های مورد نظر آسان نیست.
دو محقق دانشگاه صنعتی خواجه نصیرالدین طوسی در تهران، سیستم جدیدی را پیشنهاد کردند که از امواج صوتی سطح ایستاده برای جداسازی تومورها از گلبول های قرمز در گردش خون با دقت و کارآیی بی سابقه ای استفاده می نماید. در پلتفرمی که افشین کوهگرد و ناصر ناصری فر توسعه دادند، مدل سازی محاسباتی پیشرفته، تحلیل تجربی و الگوریتم های هوش مصنوعی برای تحلیل پدیده های پیچیده آکوستوفلویدیک ادغام شده است.
ناصری فر می گوید: ما الگوریتم های یادگیری ماشینی را با مدل سازی مبتنی بر داده و داده های محاسباتی ترکیب کردیم تا سیستمی را برای نرخ بازیابی بهینه و نرخ جداسازی سلول ها تنظیم نماییم. سیستم ما در وضعیت بهینه، با کاهش قابل توجه مصرف انرژی بوسیله کنترل دقیق فشارهای صوتی و نرخ جریان، به بازیابی ۱۰۰ درصدی دست می یابد.
از آنجا که راه های مختلفی برای غنی سازی ذرات بوسیله میکروسیال ها پدیدار شده اند، آنهائیکه از آکوستوفلویدیک ها استفاده می نمایند، بسیار امیدوارکننده هستند؛ برای اینکه زیست سازگار هستند و طول موج هایی در مقیاس سلولی تولید می کنند.
پژوهشگران با روش خاص خود، از میدان های صوتی با فشار دوگانه استفاده کردند که تاثیر را بر سلول های هدف دو برابر می کند و بطور راهبردی آنها را در موقعیت های هندسی کانال بحرانی روی یک بستر لیتیوم نیوبات قرار می دهد. با بهره گیری از فشار آکوستیک اعمال شده در میکروکانال، طراحی سیستم، تولید مجموعه داده های قابل اعتمادی را ممکن می کند که زمان تعامل سلولی و الگوهای مسیر را نشان میدهد که به پیش بینی مهاجرت سلول های تومور کمک می نماید.
کوهگرد می گوید: ما یک پلت فرم پیشرفته و آزمایشگاهی روی تراشه ساخته ایم که جداسازی سلولی را در لحظه، با مصرف کم و دقت زیاد ممکن می سازد. این فناوری نوید بهبود کارآیی جداسازی تومور در گردش خون را می دهد و فرصت های جدیدی را برای تشخیص سریع و مؤثر سرطان، فراهم می آورد. همین طور راه را برای ایجاد هوش مصنوعی کاربردی در پزشکی شخصی و تشخیص سرطان هموار می کند.
منبع: گروه هوش مصنوعی
مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب