ترمیم شبکیه چشم با استفاده از هوش مصنوعی رباتیک

یکی از مهم‌ترین مسائل سلامت سالمندان، از دست‌ دادن بینایی است؛ از هر سه فرد ۶۵ ساله، یک نفر مبتلا به‌نوعی بیماری کاهش دید است. در کشورهای پیشرفته، دژنراسیون ماکولا یا تباهی لکه زرد وابسته به سن (AMD)، رایج‌ترین علت نابینایی است. در اروپا، تقریباً ۲۵ درصد از افراد ۶۰ سال به بالا، مبتلا به این بیماری هستند. AMD خشک، تقریباً در میان افراد بالای ۶۵ سال رایج است و معمولاً بینایی را به‌میزان کمی کاهش می‌دهد؛ اما در حدود ۱۵ درصد از بیمارانی که مبتلا به نوع خشک این بیماری هستند، بیماری پیشرفت می‌کند و به نوع شدیدتر آن یعنی، AMDتر یا exAMD تبدیل می‌شود که می‌تواند منجر به از دست رفتن سریع و دائمی بینایی شود.

 به گزارش سرتکس ،یک گروه تحقیقاتی بین المللی یک سیستم هوش مصنوعی رباتیک (AI) را برای رشد لایه‌ های جایگزین شبکیه چشم که برای بینایی ضروری هستند، توسعه داد.

تحقیقاتی مشترک به رهبری گنکی کاندا (Genki Kanda) توانست یک سیستم هوش مصنوعی رباتیک (AI) را برای تعیین مستقل شرایط بهینه که برای رشد لایه ‌های جایگزین شبکیه چشم و بینایی ضروری است، توسعه دهند.

در این مطالعات هوش مصنوعی یک فرآیند آزمون و خطا را کنترل کرد که شامل ۲۰۰ میلیون سناریوی ممکن بود و در بهبود دستور العمل های کشت سلولی مورد استفاده در پزشکی موفق بود. این دستاورد تنها نمونه‌ ای است که چگونگی طراحی و اجرای خودکار آزمایش ‌های علمی، کارایی و سرعت تحقیقات علوم زیستی را به طور کلی افزایش می دهد.

در این مطالعات هوش مصنوعی یک فرآیند آزمون و خطا را کنترل کرد که شامل ۲۰۰ میلیون سناریوی ممکن بود و در بهبود دستور العمل های کشت سلولی مورد استفاده در پزشکی موفق بود. این دستاورد تنها نمونه‌ ای است که چگونگی طراحی و اجرای خودکار آزمایش ‌های علمی، کارایی و سرعت تحقیقات علوم زیستی را به طور کلی افزایش می دهد.

به گفته محققان، پژوهش در پزشکی بازساختی اغلب به آزمایش‌های متعددی نیاز دارد که هم زمان ‌بر بوده و هم فشرده هستند. به طور خاص، ایجاد بافت خاص از سلول ‌های بنیادی که به نام فرآیند تمایز سلولی القایی شناخته می شود، مستلزم ماه‌ها کار مداوم است و میزان موفقیت آن به طیف وسیعی از متغیرها بستگی دارد.

طبق جدیدترین اخبار هوش مصنوعی ،یافتن نوع، میزان و زمان ‌بندی بهینه معرف ‌ها و همچنین متغیرهای فیزیکی بهینه مانند زمان انتقال سلول و دما دشوار بوده و نیاز به آزمون و خطای بسیار زیادی دارد. دکتر کاندا دراین باره توضیح می ‌دهد، از آنجایی که تفاوت‌های جزئی در شرایط فیزیکی تأثیر قابل ‌توجهی بر کیفیت دارد و از آنجا که القای تمایز سلولی هفته‌ ها تا ماه‌ها در کشت طول می ‌کشد، تأثیر یک تفاوت کوچک در زمان ‌بندی در روز سوم ممکن است برای چندین ماه شناسایی نشود.

او می افزاید: برای کارآمدتر و کاربردی ‌تر کردن این فرآیند، تیم پژوهشی شروع به توسعه یک سیستم آزمایشی مستقل کرد که می ‌تواند شرایط بهینه را تعیین کرده و لایه‌ های رنگدانه شبکیه عملکردی را از سلول ‌های بنیادی رشد دهد. سلول های اپیتلیوم رنگدانه شبکیه (RPE) برای این آزمایش انتخاب شدند زیرا تخریب این سلول ها یک اختلال شایع مرتبط با افزایش سن است که باعث می شود افراد قادر به دیدن نباشند.

برای موفقیت آمیز بودن این آزمایش ها، ربات باید به طور مکرر یک سری از حرکات و دستکاری های دقیق را انجام دهد و هوش مصنوعی باید بتواند نتایج را ارزیابی کرده و آزمایش بعدی را فرموله کند. سیستم جدید این اهداف را با استفاده از یک ربات انسان نمای همه منظوره به نام ماهولو (Maholo) که قادر به انجام رفتارهای تجربی علوم زیستی بسیار دقیق است، انجام می دهد.

ماهولو توسط نرم‌ افزار هوش مصنوعی کنترل می ‌شود که از یک الگوریتم بهینه‌ سازی جدید استفاده می ‌کند تا تعیین کند کدام پارامترها باید تغییر کرده و چگونه باید تغییر کنند تا کارایی را در دور بعدی آزمایش‌ ها بهبود بخشد.

محققان پروتکل های لازم را برای تولید سلول های رنگدانه شبکیه از سلول های بنیادی به ماهولو وارد می کنند. در حالی که سلول ‌های رنگدانه شبکیه با موفقیت در تمام آزمایش‌ها تولید شدند، بازده تنها ۵۰ درصد بود. بنابراین، از هر ۱۰۰ سلول بنیادی، تنها حدود ۵۰ سلول تبدیل به رنگدانه شبکیه شدند.

به گزارش سیناپرس؛ در ادامه و پس از ایجاد این خط پایه، هوش مصنوعی فرآیند بهینه‌ سازی را برای تعیین بهترین شرایط در بین تمام پارامترهای شیمیایی و فیزیکی آغاز کرد. چیزی که انسان ها بیش از دو سال و نیم طول می کشد تا آن را تکمیل کنند، با سیستم هوش مصنوعی رباتیک تنها ۱۸۵ روز طول کشید و به نرخ بازده ۹۰ درصدی منجر شد. در عمل، این سلول ها بسیاری از نشانگرهای بیولوژیکی معمولی را نشان می دهند که آنها را برای پیوند با لایه سلولی آسیب دیده سلول های اپیتلیوم رنگدانه شبکیه مناسب می کند.

کاندا در انتها می افزاید، در اصل، ترکیب یک ربات دقیق با الگوریتم ‌های بهینه ‌سازی شده می تواند آزمون و خطاها را در بسیاری از زمینه ‌های علوم زیستی امکان ‌پذیر‌ سازد.به گزارش سیناپرس، شرح کامل این پژوهش و یافته های حاصل از آن در آخرین شماره مجله تخصصی eLife منتشر شده است.