پژوهشی نوین با استفاده از هوش مصنوعی، تلاش کرده است تا الگویی دقیق از تعامل‌های سیستم ایمنی با باکتری‌های روده و متابولیت‌های مرتبط تهیه کند که در سندروم خستگی مزمن دچار اختلال می‌شوند. این بیماری با خستگی شدید، اختلال خواب، سرگیجه و دردهای مزمن مشخص می‌شود و میلیون‌ها نفر در آمریکا را تحت تأثیر قرار داده است.

به گزارش ایتنا و به نقل از  HealthDay، جامعه پژوهش شامل ۱۵۳ بیمار مبتلا به CFS و ۹۶ فرد سالم بود که طی چهار سال پیگیری شدند. محققان دریافتند که ترکیب داده‌های بالینی، ایمنی و میکروبیوم روده با فناوری‌های پیشرفته، توانسته‌اند با دقت ۹۰ درصد افراد مبتلابه سندروم را شناسایی کنند؛ موضوعی که اهمیت زیادی دارد زیرا تاکنون هیچ نشانگر آزمایشگاهی قابل اعتمادی برای تشخیص بیماری در دست نبود.

این یافته‌ها همچنین می‌توانند در درک و درمان عوارض طولانی‌مدت کووید (Long COVID) نیز مؤثر باشند. پژوهش حاکیست که اختلالات شبکه‌های زیستی مرتبط در CFS با گذشت زمان تثبیت می‌شوند اما این روند قابل بازگشت است و مداخلات تغذی‌های، سبک زندگی یا درمان‌های هدفمند ممکن است کمک‌کننده باشند.

 



محقق ارشد، جولیا اوه، می‌گوید: «ما در تلاشیم نقش‌های جامع از تعامل سیستم ایمنی و باکتری‌های روده ایجاد کنیم تا دلیل اصلی این بیماری را بهتر بفهمیم و به سمت پزشکی دقیق حرکت کنیم.» دکتر دریا اونتماز، همکار این مطالعه، تاکید می‌کند که پیشرفت در تشخیص CFS بسیار مهم است چون برخی پزشکان هنوز به طور کامل به وجود آن اعتراف ندارند و ممکن است علائم را به عوامل روانی نسبت دهند.

در نهایت، این تحقیق نشان می‌دهد بیماری‌های پیچیده‌ای مانند سندرم خستگی مزمن نه فقط در یک بخش بدن بلکه در ارتباط پویایی میان سیستم‌های مختلف بدن ریشه دارند و فناوری‌های نوین می‌توانند در شناسایی و درمان آنها نقشی تعیین‌کننده ایفا کنند.

source

توسط techkhabari.ir