Web Analytics Made Easy - Statcounter
به نقل از «باشگاه خبرنگاران»
2024-05-08@10:24:05 GMT

شناسایی حلقه مفقوده برای کنترل فشار خون

تاریخ انتشار: ۱۵ مرداد ۱۴۰۰ | کد خبر: ۳۲۷۴۲۶۹۴

شناسایی حلقه مفقوده برای کنترل فشار خون

به گزارش خبرنگار حوزه کلینیک گروه علمی پزشکی باشگاه خبرنگاران جوان به نقل از الشرق الاوسط، وجود سنسور فشار خون در داخل بدن برای اولین بار در سال ۱۹۵۷ پیشنهاد شد. این سنسور تغییرات جزئی در فشار خون را تشخیص داده و سطح هورمون رنین مسئول فشار خون بالا را تنظیم می‌کند، اما آن‌ها نتوانستند تشخیص دهند که آیا این سنسور در سلول‌های رنین وجود دارد یا خیر.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

سرانجام، دانشمندان دانشگاه ویرجینیا توانستند بفهمند این سنسور طبیعی در کجا قرار دارد، چگونه کار می‌کند و چگونه از فشار خون بالا یا پایین جلوگیری می‌کند. محققان امیدوارند این ایده‌ها منجر به درمان‌های جدید برای فشار خون بالا شود.

ماریا لوئیسا از دانشکده پزشکی دانشگاه ویرجینیا و گروه تحقیقاتی خود در تحقیقی که در آخرین شماره مجله Circulatory Research منتشر شده است، اعلام کردند که این معمای چند دهه‌ای را با استفاده از مجموعه‌ای از مدل‌های آزمایشگاهی ابتکاری حل کرده اند که آن‌ها را به این قطعیت رسانده است که سنسور‌های فشار یک "مبدل مکانیکی" داخل سلول‌های رنین هستند.

این مبدل مکانیکی تغییرات فشار خارج از سلول را تشخیص می‌دهد و سپس این سیگنال‌های مکانیکی را به هسته سلول منتقل می‌کند، مانند اینکه حلزون گوش ما چگونه ارتعاشات صوتی را به عصب تبدیل می‌کند که مغز ما می‌تواند آن را درک کند.

محققان دقیقاً نحوه عملکرد گیرنده‌های فشار را شناسایی کردند. آن‌ها دریافتند که فشار روی سلول‌های رنین در ظروف آزمایشگاهی باعث تغییرات درون سلول‌ها و کاهش فعالیت ژن رنین (Ren۱) می‌شود. دانشمندان همچنین تفاوت فعالیت ژنی در کلیه‌هایی را که در معرض فشار کمتر قرار دارند با کسانی که در معرض فشار بیشتر هستند، مقایسه کردند.

سرانجام، هنگامی که گیرنده‌های فشار زیادی را در خارج از سلول رنین تشخیص می‌دهند، تولید رنین محدود می‌شود، در حالی که فشار خون پایین‌تر باعث تولید بیشتر رنین می‌شود.

ماریا لوئیسا محقق ارشد، در گزارشی که در این زمینه منتشر شده می‌گوید: "من از این کشف بسیار هیجان زده هستم و این یک کار چند ساله واقعی است که بعداً ما را قادر می‌سازد تا از اطلاعاتی که یافته ایم برای توسعه درمان فشار خون بالا استفاده کنیم.

بیشتر بخوانید

میوه‌ای موثر در درمان فشار خون بخور نخور‌های مردان پس از چهل سالگی

انتهای پیام/

منبع: باشگاه خبرنگاران

کلیدواژه: فشار خون بالا کنترل فشار خون فشار خون بالا سلول ها

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.yjc.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «باشگاه خبرنگاران» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۲۷۴۲۶۹۴ 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

  • چطور می توان فشارخون بالا از روی انگشتان تشخیص داد؟
  • تشخیص فشارخون بالا از روی انگشتان
  • هوش مصنوعی قادر است بیماری‌های نادر را سال‌ها زودتر شناسایی کند
  • نقدینگی کنترل نمی‌شد، گرفتار ابَر تورم می‌شدیم
  • دستیابی محققان به یک هدف درمانی جدید برای کنترل آسیب‌های مغزی
  • دستیابی محققان به یک هدف درمانی جدید برای کنترل آسیب‌ های مغزی
  • مداخله به‌هنگام، راه کنترل نشانه‌های اوتیسم
  • بالگردها در آسمان، پلیس روی زمین؛ حلقه فشار بر دانشگاه‌های آمریکا سخت‌تر می‌شود
  • عدم وجود نهاد مستقل تصمیم‌گیر، حلقه مفقوده هوشمندسازی انرژی
  • آموزش حلقه مفقوده حریم خصوصی در اینترنت