গবেষকরা ড্রাগ-প্রতিরোধী সংক্রমণের নির্ণয়ের উন্নতি করতে এআই ব্যবহার করেন

এখন, তুলান বিশ্ববিদ্যালয়ের বিজ্ঞানীরা একটি নতুন কৃত্রিম বুদ্ধিমত্তা-ভিত্তিক পদ্ধতি তৈরি করেছেন যা আরও সঠিকভাবে অ্যান্টিবায়োটিক প্রতিরোধের জেনেটিক চিহ্নিতকারীকে সনাক্ত করে মাইকোব্যাক্টেরিয়াম যক্ষ্মা এবং স্ট্যাফিলোকোকাস অরিয়াস – সম্ভাব্যভাবে দ্রুত এবং আরও কার্যকর চিকিত্সার দিকে পরিচালিত করে।

একটি তুলান অধ্যয়ন, প্রকাশিত প্রকৃতি যোগাযোগএকটি নতুন গ্রুপ অ্যাসোসিয়েশন মডেল (জিএএম) প্রবর্তন করে যা ড্রাগ প্রতিরোধের সাথে জড়িত জেনেটিক মিউটেশনগুলি সনাক্ত করতে মেশিন লার্নিং ব্যবহার করে। Traditional তিহ্যবাহী সরঞ্জামগুলির বিপরীতে, যা ভুল করে সম্পর্কিত সম্পর্কযুক্ত মিউটেশনগুলিকে প্রতিরোধের সাথে সংযুক্ত করতে পারে, জিএএম প্রতিরোধের প্রক্রিয়াগুলির পূর্বের জ্ঞানের উপর নির্ভর করে না, এটি আরও নমনীয় এবং পূর্বে অজানা জেনেটিক পরিবর্তনগুলি খুঁজে পেতে সক্ষম করে তোলে।

সংস্থাগুলি দ্বারা ব্যবহৃত প্রতিরোধের সনাক্তকরণের বর্তমান পদ্ধতিগুলি যেমন যারা খুব বেশি সময় নেয়-সংস্কৃতি-ভিত্তিক পরীক্ষা-বা কিছু ডিএনএ-ভিত্তিক পরীক্ষার মতো বিরল মিউটেশনগুলি মিস করে। তুলানের মডেল পুরো জিনোম সিকোয়েন্সগুলি বিশ্লেষণ করে এবং বিভিন্ন প্রতিরোধের নিদর্শনগুলির সাথে ব্যাকটিরিয়া স্ট্রেনের গোষ্ঠীগুলির তুলনা করে উভয় সমস্যার সমাধান করে জেনেটিক পরিবর্তনগুলি খুঁজে পেতে যা নির্দিষ্ট ওষুধের উপর নির্ভরযোগ্যভাবে প্রতিরোধকে নির্দেশ করে।

বায়োটেকনোলজি ইনোভেশন -এর ওয়েদারহেড প্রেসিডেন্সিয়াল চেয়ার এবং সেলুলার অ্যান্ড মলিকুলার ডায়াগনস্টিক্সের টুলেন সেন্টারের ডিরেক্টর ওয়েদারহেডের প্রেসিডেন্সিয়াল চেয়ার সিনিয়র লেখক টনি হু বলেছেন, “এটিকে কিছু অ্যান্টিবায়োটিকের কাছে প্রতিরোধক কী করে তা উদঘাটনের জন্য ব্যাকটিরিয়ার পুরো জেনেটিক ফিঙ্গারপ্রিন্টটি ব্যবহার করার মতো ভাবুন।” “আমরা মূলত আমাদের প্রথমে তাদের নির্দেশ করার প্রয়োজন ছাড়াই প্রতিরোধের নিদর্শনগুলি সনাক্ত করতে একটি কম্পিউটারকে শিখিয়ে দিচ্ছি।”

গবেষণায়, গবেষকরা 7,000 এরও বেশি স্ট্রেনে গ্যাম প্রয়োগ করেছেন এমটিবি এবং প্রায় 4,000 স্ট্রেন এস অরিয়াস, প্রতিরোধের সাথে যুক্ত মূল মিউটেশনগুলি সনাক্তকরণ। তারা দেখতে পেল যে জিএএম কেবল ডাব্লুএইচওর প্রতিরোধের ডাটাবেসের যথার্থতার সাথে মেলে বা অতিক্রম করে না তবে মিথ্যা ইতিবাচকও হ্রাস করে, প্রতিরোধের ভুলভাবে চিহ্নিত চিহ্নিতকারী চিহ্নিতকারী যা অনুপযুক্ত চিকিত্সার দিকে পরিচালিত করতে পারে।

“বর্তমান জেনেটিক পরীক্ষাগুলি রোগীদের যত্নকে প্রভাবিত করে ব্যাকটিরিয়াকে ভুলভাবে শ্রেণিবদ্ধ করতে পারে,” সেলুলার এবং আণবিক ডায়াগনস্টিকসের তুলান বিশ্ববিদ্যালয় কেন্দ্রের স্নাতক শিক্ষার্থী প্রধান লেখক জুলিয়ান সালিবা বলেছেন। “আমাদের পদ্ধতিটি একটি পরিষ্কার চিত্র সরবরাহ করে যার মধ্যে রূপান্তরগুলি আসলে প্রতিরোধের কারণ হয়ে থাকে, ভুল রোগ নির্ণয় এবং চিকিত্সার ক্ষেত্রে অপ্রয়োজনীয় পরিবর্তনগুলি হ্রাস করে।”

যখন মেশিন লার্নিংয়ের সাথে একত্রিত হয়, তখন সীমিত বা অসম্পূর্ণ ডেটার সাথে প্রতিরোধের পূর্বাভাস দেওয়ার ক্ষমতা উন্নত হয়। চীন থেকে ক্লিনিকাল নমুনাগুলি ব্যবহার করে বৈধতা অধ্যয়নের ক্ষেত্রে, মেশিন-লার্নিং বর্ধিত মডেল মূল ফ্রন্ট-লাইন অ্যান্টিবায়োটিকগুলির প্রতিরোধের পূর্বাভাস দেওয়ার ক্ষেত্রে ডাব্লুএইচও-ভিত্তিক পদ্ধতিগুলি ছাড়িয়ে গেছে।

এটি তাত্পর্যপূর্ণ কারণ প্রাথমিক প্রতিরোধের ধরা পড়ার ফলে সংক্রমণ ছড়িয়ে বা আরও খারাপ হওয়ার আগে ডাক্তারদের সঠিক চিকিত্সার পদ্ধতিতে সহায়তা করতে পারে।

বিশেষজ্ঞ-সংজ্ঞায়িত বিধিগুলির প্রয়োজন ছাড়াই প্রতিরোধ সনাক্ত করার মডেলটির দক্ষতার অর্থ এটি অন্যান্য ব্যাকটিরিয়া বা এমনকি কৃষিতেও প্রয়োগ করা যেতে পারে, যেখানে অ্যান্টিবায়োটিক প্রতিরোধেরও ফসলের ক্ষেত্রে উদ্বেগ।

সালিবা বলেছিলেন, “আমরা ক্রমবর্ধমান ওষুধ-প্রতিরোধী সংক্রমণের চেয়ে এগিয়ে থাকা জরুরী।” “এই সরঞ্জামটি আমাদের এটি করতে সহায়তা করতে পারে।”