לא מזמן, הרעיון לאבחן מחלה עם טיפת דם נחשב לחלום מקטרת. כיום, הטכנולוגיה הזו עשויה להפוך בקרוב למציאות.
קבוצת מדענים בראשות חוקרים מאוניברסיטת טוקיו פיתחה מערכת אוטומטית עם תפוקה גבוהה המסתמכת על הדמיה של טיפות של נוזלים ביולוגיים (כגון דם, רוק ושתן) לאבחון מחלות בניסיון להפחית את מספר החומרים המתכלים והציוד הדרושים לבדיקות ביו-רפואיות. בזרימת העבודה, תמונות טיפות ביולוגיות מנותחות על ידי אלגוריתמים של למידת מכונה כדי לאבחן מחלה. למרבה הפלא, הטכנולוגיה מסתמכת על תהליך הייבוש של טיפות ביולוגיות כדי להבחין בין דגימות רגילות לדגימות חריגות.
בדיקות אבחון רפואיות נוכחיות דורשות בדרך כלל 5 מיליליטר עד 10 מיליליטר של דם, מה שמחייב נסיעה למרפאה או שירות פלבוטומי אחר כדי לשאוב דם עם מחטים וצינורות. מלבד היותה כואבת, לא נוחה ולא יעילה, הוצאת דם היא לעתים קרובות מותרות של מדינות מפותחות עם תשתית בריאות מודרנית. על ידי ביטול הצורך בשירותי פלבוטומיה וחומרים מתכלים אחרים, ניתן ליישם בדיקות אבחון ברחבי העולם כדי לשפר את אבחון המחלה ואת יעילות העלות.
יצאנו לפתח גישה פשוטה, מהירה ואמינה לנתח מה קורה כאשר טיפת דם מתייבשת על משטח. באופן מסורתי, החוקרים התמקדו רק בדפוס הסופי שנותר לאחר הייבוש. במחקר שלנו, הסתכלנו מעבר לכך, תוך התבוננות בכל תהליך הייבוש בזמן אמת. על ידי מעקב אחר האופן שבו צורת הטיפה והמבנים הפנימיים מתפתחים לאורך זמן, הצלחנו לחשוף מידע עשיר על הרכב הנוזל".
Miho Yanagisawa, פרופסור חבר, בית הספר לתואר שני לאמנויות ומדעים, אוניברסיטת טוקיו
באמצעות למידת מכונה, הצוות יכול "לפענח" את הדפוסים המתפתחים בייבוש טיפות דם, ולאפשר להם להבחין בבירור בין דם בריא לדגימות עם חריגות המבוססות אך ורק על התנהגות הייבוש שלהן.
חשוב לציין, טכניקה זו אינה דורשת ציוד מיוחד כדי לבצע אבחנה מדויקת. תמונות של דגימות דם מתייבשות נרכשות באמצעות מיקרוסקופיה של שדה בהיר (העברת אור לבן דרך דגימה, מה שגורם לה להיראות כהה על רקע בהיר) ועדשת אובייקטיבית נפוצה פי 4, המגדילה דגימות ארבע פעמים. תמונות נרכשות עם הזמן עם מצלמה דיגיטלית המותקנת על המיקרוסקופ. ניתן להשתמש באותו זרימת עבודה גם לניתוח נוזלי גוף אחרים, כולל רוק ושתן, להרחיב את יכולת האבחון של זרימת העבודה ללא צורך בציוד נוסף.
"המפתח הוא שכל רגע בתהליך הייבוש טומן בחובו רמזים חשובים, לא רק הדפוס הסופי שנותר מאחור. כל שלב חושף כיצד חלבונים, תאים ורכיבים אחרים נעים ומתארגנים מחדש בתוך הטיפה, ותופסים 'סיפור' דינמי של המצב הפנימי של הדגימה", אמר אנוסויה פאל, עמית מחקר פוסט-דוקטורט במחקר הראשון של מעבדת Yanagisawa ומחברת המחקר הראשונה.
על ידי שילוב המידע המתפתח בזמן עם למידת מכונה, הצוות יכול לזהות במדויק חריגות עדינות בדגימות דם. "גישה זו פותחת דרך חדשה לחשיבה על אבחון רפואי, כזו שהיא פשוטה, מהירה ובעלות נמוכה, ועם זאת אינפורמטיבית להפליא", אמר פאל.
המחקר הנוכחי מבסס הוכחה לקונספט עבור הצוות, המדגים זרימת עבודה יעילה לאיתור מחלות כמו סוכרת, שפעת, מלריה ואחרות, שיש לה פוטנציאל בתחום. באופן אידיאלי, החוקרים מקווים לתרגם את המתודולוגיה שלהם לכלי נייד ומעשי לבדיקת בריאות לשימוש במדינות מתפתחות.
"כלי כזה יכול להפוך את ניטור הבריאות למהיר יותר, סביר יותר ונגיש יותר, במיוחד בקהילות עם גישה מוגבלת לבדיקות מעבדה. בסופו של דבר, המטרה שלנו היא להביא תובנות ברמת המעבדה לנקודת הטיפול, ולאפשר גילוי מוקדם וטיפול בריאותי מונע לכולם", אמר אמלש גופא, עוזר פרופסור באוניברסיטת טזפור בהודו ושותף למחקר.
