پژوهشگران دانشگاه فناوری سیدنی از توسعه یک مدل هوش مصنوعی مبتنی بر معماری ترنسفورمر خبر داده‌اند که با بررسی DNA افراد، گونه‌های ژنتیکی مرتبط با خطر سکته مغزی ایسکمیک را شناسایی می‌کند و می‌تواند به ارزیابی دقیق‌تر استعداد ژنتیکی افراد برای ابتلا به این عارضه کمک کند.
پیش این مدل با تحلیل اطلاعات ژنتیکی، افراد را در سه گروه کم‌خطر، با خطر متوسط و پرخطر دسته‌بندی می‌کند. نتایج بررسی‌ها نشان داد افرادی که در گروه پرخطر قرار داشتند، در مقایسه با گروه کم‌خطر، ۲۱ درصد بیشتر در معرض نخستین سکته مغزی ایسکمیک بودند.
سکته مغزی ایسکمیک شایع‌ترین نوع سکته مغزی است که در اثر انسداد جریان خون به مغز، معمولاً بر اثر تشکیل لخته، رخ می‌دهد. پژوهشگران در این مطالعه ۱۸ گونه ژنتیکی مرتبط با این بیماری را شناسایی کردند. در میان ژن‌های مورد توجه، EDEM2 و KANK2 قرار دارند که ممکن است در استعداد ژنتیکی ابتلا به سکته مغزی نقش داشته باشند.
این مدل با استفاده از معماری ترنسفورمر توسعه یافته است؛ فناوری‌ای که در مدل‌های هوش مصنوعی مانند چت‌جی‌پی‌تی نیز به کار می‌رود. برخلاف روش‌های آماری رایج که اثر ترکیبی تغییرات ژنتیکی را بررسی می‌کنند، مدل جدید تلاش می‌کند روابط پیچیده میان گونه‌های ژنتیکی و موقعیت آنها در توالی DNA را نیز شناسایی کند.
پژوهشگران عملکرد این ابزار را با استفاده از دو مجموعه داده پزشکی بزرگ، شامل اطلاعات بیش از ۴۰ هزار نفر، ارزیابی کردند. نتایج نشان داد این مدل می‌تواند افراد را براساس میزان خطر ژنتیکی از یکدیگر تفکیک کند.
از آنجا که عوامل ژنتیکی سهم قابل‌توجهی در خطر سکته مغزی دارند، چنین ابزارهایی می‌توانند در آینده به شناسایی افراد مستعد، بررسی خطر احتمالی در اعضای خانواده و طراحی راهکارهای پیشگیری متناسب با شرایط هر فرد کمک کنند.
بااین‌حال، خطر ژنتیکی به‌تنهایی به معنای ابتلای قطعی به سکته مغزی نیست و عواملی مانند فشار خون، سبک زندگی و سایر شرایط پزشکی نیز در این خطر نقش دارند. این مدل نیز برای استفاده گسترده بالینی به ارزیابی‌های بیشتر نیاز دارد.
نتایج این پژوهش در نشریه علمی Computer Methods and Programs in Biomedicine منتشر شده است.
کد خبر ۲۰۱۰۵۰۷۲۹.۱۱۱
منبع: یورونیوز
