اندازه فونت:  کوچک    متوسط    بزرگ  چاپ کنید
استفاده از هوش مصنوعی برای درمان بیماری های چشم کور
 بلاگ    ۱۴۰۱/۲/۳۱
استفاده از هوش مصنوعی برای درمان بیماری های چشم کور

محققان تفاوت‌های مشخصی را در میان سلول‌های شامل بافتی در شبکیه چشم که برای ادراک بصری انسان حیاتی است، شناسایی کرده‌اند. دانشمندان موسسه ملی چشم (NEI) پنج زیرجمعیت از اپیتلیوم رنگدانه شبکیه (RPE) را کشف کردند - لایه ای از بافت که گیرنده های نوری حساس به نور شبکیه را تغذیه و پشتیبانی می کند. محققان با استفاده از هوش مصنوعی، تصاویر RPE را با وضوح تک سلولی تجزیه و تحلیل کردند تا یک نقشه مرجع ایجاد کنند که هر زیرجمعیت را در داخل چشم قرار دهد. گزارشی از این تحقیق در 6 می 2022 در مجموعه مقالات آکادمی ملی علوم منتشر شد.

محقق ارشد این مطالعه، دکتر کاپیل بهارتی، که بخش تحقیقات ترجمه چشمی و سلول های بنیادی NEI را هدایت می کند، گفت: «یافته ها به ما کمک می کند تا درمان های سلولی و ژنی دقیق تری را برای بیماری های چشمی خاص دژنراتیو ایجاد کنیم.

هنگامی که نور به گیرنده های نوری میله ای و مخروطی که شبکیه را در پشت چشم می پوشانند برخورد می کند، بینایی شروع می شود. پس از فعال شدن، گیرنده های نوری سیگنال ها را از طریق شبکه پیچیده ای از سایر نورون های شبکیه منتقل می کنند که در عصب بینایی قبل از حرکت به سایر مناطق مغز همگرا می شوند. RPE یک لایه تک لایه است که یک سلول در عمق زیر گیرنده های نوری قرار دارد.

سن و بیماری ممکن است باعث تغییرات متابولیکی در سلول‌های RPE شود که می‌تواند به تخریب گیرنده نوری کمک کند. تأثیر این تغییرات RPE بر بینایی بسته به شدت و محل سلول های RPE در شبکیه بسیار متفاوت است. به عنوان مثال، دژنراسیون شبکیه با شروع دیررس (L-ORD)، بیشتر شبکیه محیطی و در نتیجه بینایی محیطی را تحت تأثیر قرار می دهد. دژنراسیون ماکولا وابسته به سن (AMD) که یکی از دلایل اصلی کاهش بینایی است، عمدتاً به سلول‌های RPE در ماکولا آسیب می‌زند که برای بینایی مرکزی ضروری هستند.



بهارتی و همکارانش به دنبال یافتن این موضوع بودند که آیا زیرجمعیت‌های مختلف RPE وجود دارد که می‌تواند طیف وسیعی از فنوتیپ‌های بیماری شبکیه را توضیح دهد.

این تیم از هوش مصنوعی (AI) برای تجزیه و تحلیل مورفومتری سلولی RPE، شکل خارجی و ابعاد هر سلول استفاده کرد. آنها کامپیوتری را با استفاده از تصاویر نشاندار شده با فلورسنت از RPE برای تجزیه و تحلیل کل تک لایه RPE انسانی از 9 اهداکننده جسد بدون سابقه بیماری چشمی قابل توجه، آموزش دادند.

ویژگی های مورفومتری برای هر سلول RPE محاسبه شد - به طور متوسط، حدود 2.8 میلیون سلول در هر اهدا کننده. 47.6 میلیون سلول در مجموع آنالیز شد. این الگوریتم مساحت هر سلول، نسبت ابعاد (عرض به ارتفاع)، شش ضلعی و تعداد همسایگان را ارزیابی کرد. مطالعات قبلی نشان داده بودند که عملکرد RPE با سفتی اتصالات سلولی مرتبط است. هر چه شلوغ تر باشد، برای نشان دادن سلامت سلولی بهتر است.

آنها پنج زیرجمعیت سلولی منحصر به فرد RPE را شناسایی کردند که به عنوان P1-P5 طبقه بندی شده بودند، بر اساس مورفومتری و آنها را در حلقه های متحدالمرکز در اطراف فووئا، که مرکز ماکولا و حساس ترین ناحیه به نور شبکیه است، گروه بندی کردند. در مقایسه با RPE محیطی، RPE فووئال کاملاً شش ضلعی است و با تعداد سلول‌های مجاور بیشتری قرار دارد.

به طور غیر منتظره ای، آنها کشف کردند که شبکیه محیطی حاوی حلقه ای از سلول های RPE (P4) با ناحیه سلولی بسیار شبیه به RPE در داخل و اطراف ماکولا است.

دکتر دیوید اورتولان، نویسنده اول این مطالعه، گفت: «وجود زیرجمعیت P4، تنوع در حاشیه شبکیه را برجسته می‌کند، و نشان می‌دهد که ممکن است تفاوت‌های عملکردی بین RPE وجود داشته باشد که ما در حال حاضر از آن بی‌اطلاعیم». یک پژوهشگر در بخش تحقیقات ترجمه ای سلول های بنیادی و چشمی NEI. مطالعات آینده برای کمک به درک نقش این زیرجمعیت مورد نیاز است.

سپس، آنها RPE را از اجساد با AMD تجزیه و تحلیل کردند. Foveal (P1) RPE تمایل داشت به دلیل آسیب بیماری وجود نداشته باشد، و تفاوت بین سلول‌ها در زیرجمعیت‌های P2-P5 از نظر آماری معنی‌دار نبود. به طور کلی، زیرجمعیت‌های AMD RPE نسبت به سلول‌های RPE که تحت تأثیر AMD نیستند، درازتر هستند.

برای آزمایش بیشتر این فرضیه که دژنراسیون‌های مختلف شبکیه بر زیرجمعیت‌های خاص RPE تأثیر می‌گذارد، آن‌ها تصاویر اتوفلورسانس فوندوس با میدان فوق‌العاده را از بیماران مبتلا به کوروئیدرمی، L-ORD یا دژنراسیون شبکیه بدون علت مولکولی شناسایی کردند. در حالی که این مطالعات در یک نقطه از زمان انجام شد، آنها همچنان نشان دادند که زیرجمعیت های مختلف RPE در برابر انواع مختلف بیماری های دژنراتیو شبکیه آسیب پذیر هستند.

اورتولان گفت: "به طور کلی، نتایج نشان می دهد که هوش مصنوعی می تواند تغییرات مورفومتری سلولی RPE را قبل از ایجاد انحطاط آشکار آشکار کند."

تغییرات مورفومتریک مرتبط با سن نیز ممکن است در برخی از زیرجمعیت های RPE قبل از اینکه در سایرین قابل تشخیص باشند ظاهر شوند. این یافته‌ها با استفاده از فناوری‌های تصویربرداری غیرتهاجمی، مانند اپتیک‌های تطبیقی، که سلول‌های شبکیه را با جزئیات بی‌سابقه حل می‌کنند و به طور بالقوه می‌توانند برای پیش‌بینی تغییرات در سلامت RPE در بیماران زنده مورد استفاده قرار گیرند، به مطالعات آینده کمک می‌کند.

Healthline