California Davis Health Üniversitesi'nde uluslararası işbirlikçilerle çalışan bir ekip, tifoyu tespit etmek ve zaman içinde popülasyonlardaki insidansını tahmin etmek için yeni bir teknik geliştirdi. Yaklaşım, bir parmaktan sadece bir damla kan gerektiriyor ve iki antijene karşı antikor seviyelerinin ölçülmesini içeriyor: Hemolysin E (Hlye) ve Salmonella lipopolisakkarit (LPS). Araştırmacılar, uzak ve düşük kaynak bölgelerinde gerçekleştirilebilmesi için testi basitleştirdi. Yöntem ayrıca, bir kişinin ne zaman enfekte olduğunu gösteren bir gösterge sağlayan antikor bozulmasını hesaplamak için AI kullanıyor. Bu, araştırmacıların bir enfeksiyonun bir bölgeye nasıl yayıldığını hesaplamasını sağlıyor.
Tifo her yıl on binlerce insanı öldürür ve öncelikle dünyanın uzak ve yoksul bölgelerinde görülür. Tipik olarak da kontamine yiyecek ve su yoluyla yayılır. Hastalığın insani boyutuna rağmen, mevcut teşhis yaklaşımları, özellikle az gelişmiş tıbbi sistemlere sahip bölgelerde, amaca uygun değil. Bu tür alanlarda tifo seviyelerine ilişkin mevcut veri eksikliği, aşı kampanyaları gibi enfeksiyonların ve enfeksiyona bağlı ölümlerin azaltılmasına yardımcı olacak stratejilerin kullanılmasını zorlaştırmakta.
Çalışmaya katılan UC Davis araştırmacısı Kristen Aiemjoy, “Tifo teşhisi koymak zordur ve yükün rutin hastane gözetimi yoluyla bulduğumuzdan çok daha yüksek olduğunu biliyoruz. Semptomlarla teşhis koyamazsınız. Mevcut tek test pahalı, yavaş ve pek yaygın değildir, ayrıca sadece yaklaşık %60 hassasiyete sahiptir.” dedi.
Bunu ele alan araştırmacılar, yeni tanımlanan biyobelirteçleri AI destekli analizle birleştiren yeni bir yaklaşımla gittiler. Yeni teknik, kan kültürü gerektirmek yerine, parmak uçları kullanılarak toplanabilen küçük kan lekeleriyle çalışıyor. Sonuç olarak, teknik, uzak veya düşük kaynak bölgelerinde nispeten kolaylıkla gerçekleştirilebiliyor ve aslında kan kültürlerinden daha doğru sonuçlar sağlıyor.
Ayrıca, tifoyu daha iyi tespit etmek için araştırmacılar yeni biyobelirteçler belirlemeye başladılar. Son olarak, araştırmacılar, birinin enfekte olmasının üzerinden ne kadar zaman geçtiğini değerlendirmek için yapay zeka tabanlı bir teknik geliştirerek, topluluklar arasındaki enfeksiyon dinamiklerini daha iyi karakterize etmelerine yardımcı oldu. Aiemjoy, “Sadece bir örnek almak, kişinin antikor yanıtına bakmak ve bunların negatif veya pozitif olduğunu söylemek yerine, antikor bozulmasını modelleyebiliriz. Bu bozulma oranını, bu insanların en büyük olasılıkla ne zaman maruz kaldıklarını anlamak için kullanıyoruz, bu da enfeksiyonun gücü hakkında hayati bilgiler sağlıyor.” diye ekledi.
Tifo her yıl on binlerce insanı öldürür ve öncelikle dünyanın uzak ve yoksul bölgelerinde görülür. Tipik olarak da kontamine yiyecek ve su yoluyla yayılır. Hastalığın insani boyutuna rağmen, mevcut teşhis yaklaşımları, özellikle az gelişmiş tıbbi sistemlere sahip bölgelerde, amaca uygun değil. Bu tür alanlarda tifo seviyelerine ilişkin mevcut veri eksikliği, aşı kampanyaları gibi enfeksiyonların ve enfeksiyona bağlı ölümlerin azaltılmasına yardımcı olacak stratejilerin kullanılmasını zorlaştırmakta.
Çalışmaya katılan UC Davis araştırmacısı Kristen Aiemjoy, “Tifo teşhisi koymak zordur ve yükün rutin hastane gözetimi yoluyla bulduğumuzdan çok daha yüksek olduğunu biliyoruz. Semptomlarla teşhis koyamazsınız. Mevcut tek test pahalı, yavaş ve pek yaygın değildir, ayrıca sadece yaklaşık %60 hassasiyete sahiptir.” dedi.
Bunu ele alan araştırmacılar, yeni tanımlanan biyobelirteçleri AI destekli analizle birleştiren yeni bir yaklaşımla gittiler. Yeni teknik, kan kültürü gerektirmek yerine, parmak uçları kullanılarak toplanabilen küçük kan lekeleriyle çalışıyor. Sonuç olarak, teknik, uzak veya düşük kaynak bölgelerinde nispeten kolaylıkla gerçekleştirilebiliyor ve aslında kan kültürlerinden daha doğru sonuçlar sağlıyor.
Ayrıca, tifoyu daha iyi tespit etmek için araştırmacılar yeni biyobelirteçler belirlemeye başladılar. Son olarak, araştırmacılar, birinin enfekte olmasının üzerinden ne kadar zaman geçtiğini değerlendirmek için yapay zeka tabanlı bir teknik geliştirerek, topluluklar arasındaki enfeksiyon dinamiklerini daha iyi karakterize etmelerine yardımcı oldu. Aiemjoy, “Sadece bir örnek almak, kişinin antikor yanıtına bakmak ve bunların negatif veya pozitif olduğunu söylemek yerine, antikor bozulmasını modelleyebiliriz. Bu bozulma oranını, bu insanların en büyük olasılıkla ne zaman maruz kaldıklarını anlamak için kullanıyoruz, bu da enfeksiyonun gücü hakkında hayati bilgiler sağlıyor.” diye ekledi.
Bu rehber yardımcı oldu mu?
DoktorClub’da Keşfet
