مدیر سایت
تشخیص دقیق اختلالات روانپزشکی پیچیده مانند اسکیزوفرنی و اختلال دوقطبی همواره یکی از بزرگترین چالشهای دنیای پزشکی بوده است. برخلاف بیماریهایی مانند پارکینسون که تغییر در آنزیمها یا پیامرسانهای عصبی مشخصی دارد، این اختلالات روانی الگوی ملموسی در اسکنهای معمولی مغزی به جا نمیگذارند.
پژوهشگران مهندسی پزشکی دانشگاه جانز هاپکینز در یک مطالعه انقلابی، با کشت و رشد «ارگانوئیدهای مغزی» (مینیمغزهای آزمایشگاهی به اندازه نخود) از سلولهای بیماران، توانستند الگوهای الکتریکی منحصربهفردی از فعالیت سلولهای عصبی را در این دو اختلال کشف کنند. این یافتهها مسیر را برای تشخیص دقیقتر و آزمایش اختصاصی داروها هموار میکنند.
مینیمغزها چگونه راز اختلالات روانی را برمیملا میکنند؟
پژوهشگران برای درک الگوی ارتباطی سلولهای عصبی، ارگانوئیدهای مغزی را روی ریزتراشههای حاوی آرایههای چندالکترودی قرار دادند. این فناوری همانند یک دستگاه نوار مغزی (EEG) بسیار کوچک عمل میکند و جهشهای الکتریکی سلولها را ثبت مینماید.
نتایج این بررسی تحلیلی دادههای مهمی را آشکار کرد:
۱. کشف زیستنشانگرهای الکتریکی (Biomarkers)
پژوهشگران دریافتند که ویژگیهای الکتریکی مینیمغزها دقیقاً مانند یک امضا یا زیستنشانگر اختصاصی برای اسکیزوفرنی و اختلال دوقطبی عمل میکنند. الگوریتمهای هوش مصنوعی توانستند تنها بر اساس این سیگنالها، ارگانوئیدهای مربوط به افراد مبتلا را با دقت ۸۳ درصد شناسایی کنند.
۲. افزایش دقت تشخیص با تحریک الکتریکی
زمانی که محققان تحریک الکتریکی ملایمی را به بافتها وارد کردند تا فعالیت عصبی بیشتری ایجاد شود، دقت تشخیص هوش مصنوعی به ۹۲ درصد رسید. این موضوع نشان میدهد که پاسخ سلولهای عصبی به محرکها، تفاوتهای بنیادی این اختلالات را آشکارتر میسازد.
پایان عصر «آزمون و خطا» در تجویز داروهای روانپزشکی
دکتر آنی کاتوریا (Annie Kathuria)، سرپرست این پژوهش از دانشگاه جانز هاپکینز، به این نکته اشاره میکند که اکثر پزشکان داروهای روانپزشکی را بر اساس روش آزمون و خطا تجویز میکنند؛ فرآیندی که گاهی شش یا هفت ماه طول میکشد تا داروی مناسب و دوز موثر برای بیمار پیدا شود.
او تاکید میکند: «امیدواری ما این است که در آینده نه تنها تشخیص اسکیزوفرنی یا دوقطبی را از طریق ارگانوئیدهای مغزی بیمار تایید کنیم، بلکه داروها و دوزهای مختلف را ابتدا روی این مینیمغزها آزمایش کنیم تا بهترین گزینه درمانی را بدون آزمون و خطا روی خود بیمار بیابیم.»
این دستاورد ارزشمند زمینهساز ورود روانپزشکی به عصر «درمان شخصیسازیشده» است و امیدهای تازهای برای ارتقای کیفیت زندگی بیماران مبتلا به اسکیزوفرنی و اختلال دوقطبی ایجاد میکند.
شناسنامه و منبع مقاله علمی
-
عنوان اصلی مقاله: Machine learning-enabled detection of electrophysiological signatures in iPSC-derived models of schizophrenia and bipolar disorder
-
نویسندگان: Annie Kathuria et al.
-
مرجع و مجله: APL Bioengineering / دانشگاه جانز هاپکینز / منعکسشده در ScienceDaily
-
شماره ثبت مقاله (PMCID / DOI): DOI: 10.1063/APL Bioengineering 2025
-
لینک دسترسی مستقیم به مقاله علمی: https://www.sciencedaily.com/releases/2025/12/251228074451.htm
