Web Analytics Made Easy - Statcounter

به گزارش روز شنبه گروه آموزش ایرنا از پایگاه خبری ساینس، اختلال دوقطبی یک اختلال خلقی است که مهم ترین مشخصه آن، نداشتن تعادل در رفتار و احساسات بیمار است. تغییرات خلق و خو، میزان انرژی و سطح توانایی فرد مهمترین مشخصه این بیماری است و بیمار شرایط روحی مشخصی و پایداری ندارد.

افراد مبتلا به این عارضه گاهی بسیار پر انرژی هستند و به سرعت تغییر حالت می‌دهند و به افرادی بی حوصله و بد اخلاق تبدیل می‌شوند.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

افسردگی، صحبت کردن سریع، واکنش های سریع و بدون فکر و کم‌خوابی از مهم ترین علایم این بیماری به شمار می‌آیند. محققان هنوز درک درستی از این بیماری ندارند و علت اینکه برخی از بیماران به درمان خوب پاسخ می‌دهند و دیگران این چنین نیستند را نمی‌دانند.

لیتیوم از سال ۱۹۴۹ میلادی یک پایه اصلی برای درمان اختلال دو قطبی بوده است. محققان آمریکایی به تازگی موفق به ابداع روشی شده‌اند که قادر به تصویربرداری از لیتیوم در سلول‌های زنده است. نتایج نشان می‌دهد میزان تجمع لیتیوم در نورون‌های بیماران مبتلا به اختلال دوقطبی بسیار بیشتر از افرادی است که به این عارضه مبتلا نیستند.

داروهای مبتنی بر لیتیوم سال هاست که به عنوان تثبیت‌کننده خلق و خو در بیماران تجویز می‌شود؛ ولی بر اساس آمار فقط حدود یک سوم از بیماران به درمان پاسخ می‌دهند و محققان هنوز دلیل این امر را نمی‌دانند.   

یک دلیل می‌تواند این باشد که این دارو محدوده درمانی موثر کوچکی دارد؛ یعنی اگر سطح لیتیوم سرم خونی بیماری کمتر از یک حد مشخص باشد، درمان موثر نخواهد بود و اگر بیش از میزان مشخصی باشد، عوارض جانبی جدی دارد.

توانایی اندازه‌گیری غلظت لیتیوم در نورون‌های بیمار به طور مستقیم یک روش موثر برای درمان و تجویز دز بهینه دارو است.

به این منظور محققان یک روش تصویربرداری از لیتیوم ارائه کردند که می‌تواند میزان لیتیوم را در سلول‌های عصبی اندازه‌گیری کند. در این روش از یک آنزیم DNA استفاده می‌شود که رهاسازی یک مولکول فلوروسنت از پویشگر (probe) اسید ریبونوکلیئیک را کاتالیز می‌کند و در صورت وجود لیتیوم، تولید سیگنال می‌کند. با استفاده از این روش می‌توان وجود لیتیوم و اثرگذاری دارو را با دقت بالا بررسی کرد.

تشخیص سریع و دقیق مهمترین قدم در بهبودی بیماران مبتلا به اختلال دو قطبی است که با استفاده از این روش امکان پذیر می شود. 

نتایج این مطالعه در نشریه ACS Central Science منتشر شده است.

برچسب‌ها اختلال دو قطبی اختلال دو قطبی افسردگی برگزیدگان علم

منبع: ایرنا

کلیدواژه: اختلال دو قطبی اختلال دو قطبی افسردگی اختلال دو قطبی اختلال دو قطبی افسردگی برگزیدگان علم اختلال دو قطبی

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.irna.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «ایرنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۳۶۱۲۲۴۲ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

هوش مصنوعی قادر است بیماری‌های نادر را سال‌ها زودتر شناسایی کند

ایتنا - مطالعه جدیدی نشان می‌دهد که هوش مصنوعی ممکن است بتواند بیمارانی را که سال‌ها زودتر از زمان تشخیص معمول به بیماری‌های نادر مبتلا هستند، شناسایی کند. محققان در Science Translational Medicine گزارش دادند که یک برنامه جدید هوش مصنوعی توانست افراد در معرض خطر ابتلا به یک اختلال ایمنی نادر را شناسایی کند. محققان دریافتند از یک گروه 100 نفری که بر اساس برنامه هوش مصنوعی در معرض بالاترین خطر قرار دارند، 74 نفر به احتمال زیاد به این اختلال مبتلا هستند.

به گفته آنها، این تحقیق نشان می‌دهد که هوش مصنوعی می‌تواند به طور بالقوه به روند بهبود این بیماران کمک کند.

دکتر مانیش بوت، محقق ارشد، در بیانیه‌ای گفت: «افرادی که بیماری‌های نادر دارند ممکن است با تاخیرهای طولانی در تشخیص و درمان مواجه شوند که منجر به آزمایش‌های غیرضروری، بیماری پیشرونده، استرس‌های روانی و بار مالی می‌شود. با استفاده از ابزارهای هوش مصنوعی رویکردی را برای سرعت بخشیدن به تشخیص بیماران تشخیص داده نشده با شناسایی الگوهایی در پرونده الکترونیکی سلامت آنها ایجاد کردیم که شبیه الگوهای بیمارانی است که به این اختلالات معروف هستند.»

محققان بر مجموعه ای از اختلالات به نام نقص ایمنی متغیر رایج یا CVID تمرکز کردند. این اختلالات اغلب برای سال‌ها یا دهه‌ها از تشخیص دور می‌مانند. اختلالات CVID حدود 1 نفر از هر 25000 نفر را تحت تاثیر قرار می‌دهد و به طور معمول باعث کمبود آنتی‌بادی و اختلال در پاسخ‌های ایمنی در بدن می‌شود. به گفته محققان، نه تنها اختلالات CVID نادر است، بلکه علائم می‌تواند بین بیماران بسیار متفاوت باشد و اغلب با بیماری‌های شایع‌تر همپوشانی دارند.

بوت گفت:« علائم بالینی فنوتیپ‌های ایمنی نادر مانند CVID با بسیاری از تخصص‌های پزشکی تلاقی می‌کند.» بیماران ممکن است برای عفونت‌های سینوسی در کلینیک‌های گوش، حلق و بینی مراجعه کنند یا در کلینیک‌های ریه برای پنومونی درمان شوند. این تقسیم مراقبت در میان متخصصان متعدد منجر به تاخیرهای طولانی در تشخیص و درمان می‌شود.»

علاوه بر این، اختلالات CVID اغلب توسط تغییرات تنها در یک ژن از بیش از 60 ژن مرتبط با آنها ایجاد می‌شود. به گفته محققان، این موضوع امکان انجام آزمایش ژنتیکی برای تشخیص قطعی را رد می‌کند.

برای این مطالعه، محققان یک هوش مصنوعی به نام PheNet (فنت) توسعه دادند. این نام به کلمه "فنوتیپ" اشاره دارد که اصطلاح پزشکی برای ویژگی‌های یک بیماری است که در مبتلایان دیده می‌شود. فنت الگوهای فنوتیپ را از موارد تأیید شده CVID می‌آموزد و سپس از این برای رتبه‌بندی خطر ابتلا به این اختلال استفاده می‌کند. فنت میلیون‌ها پرونده الکترونیکی را بررسی کرد و همه بیماران را از نظر خطر ابتلا به CVID بر اساس آنچه آموخته بود رتبه‌بندی کرد.

نتایج نشان می‌دهد حدود 74 درصد از بیماران که PheNet به‌عنوان بالاترین خطر ابتلا به CVID رتبه‌بندی کرده‌اند، بر اساس بررسی‌های بعدی پزشکان، احتمال ابتلا به یکی از این اختلالات را دارند.

بر اساس این نتایج، تیم تحقیقاتی 4 میلیون دلار بودجه از مؤسسه ملی بهداشت برای مطالعه بیشتر برنامه هوش مصنوعی در محیط‌های واقعی دریافت کرده است.

Bogdan Pasaniuc، محقق ارشد و استاد پزشکی محاسباتی، ژنتیک و آسیب شناسی، گفت: «ما نشان دادیم که الگوریتم‌های هوش مصنوعی مانند PheNet می‌توانند با تسریع در تشخیص CVID مزایای بالینی ارائه دهند و انتظار داریم این امر در مورد سایر بیماری‌های نادر نیز اعمال شود. ما اکنون در حال بهبود دقت رویکرد خود برای شناسایی بهتر CVID و در عین حال گسترش به سایر بیماری‌ها هستیم. ما همچنین برنامه‌ریزی خواهیم کرد تا به سیستم یاد دهیم که یادداشت‌های پزشکی را بخواند تا اطلاعات بیشتری در مورد بیماران و بیماری‌های آنها به دست آورد.»

دیگر خبرها

  • بهبود لکنت زبان در مبتلایان به اختلال گفتاری با استفاده از ویدئو
  • آشنایی با پزشکی ترمیمی
  • هوش مصنوعی قادر است بیماری‌های نادر را سال‌ها زودتر شناسایی کند
  • خطر حمله قلبی در این بیماران بیشتر است
  • توصیه‌هایی برای بیماران مبتلا به فشار خون (فیلم)
  • چگونه آلزایمر را درمان کنیم؟
  • تراشه‌های مغزی به‌زودی از رده خارج می‌شوند/ چه بلایی بر سر بیماران می‌آید؟
  • هفته اول مه؛ از آلرژی های مزاحم تا اثرات ورزش بر سلول‌های بدن
  • دستیابی محققان به یک هدف درمانی جدید برای کنترل آسیب‌های مغزی
  • دستاورد تازه پزشکی؛ تشخیص آرتروز ۸ سال قبل از ابتلا به این بیماری