AI मॉडेलने स्ट्रोकच्या जोखमीसाठी 18 आनुवंशिक रूपांतरांची ओळख केली

टेक्नोलॉजी युनिव्हर्सिटी सिडनी (UTS) च्या संशोधकांनी एक नवीन AI मॉडेल विकसित केले आहे जे इस्केमिक स्ट्रोकच्या जोखमीशी संबंधित 18 आनुवंशिक रूपांतरांची ओळख करते. हा स्ट्रोकचा सर्वात सामान्य प्रकार आहे, जो मस्तिष्काच्या एका भागात रक्त पुरवठा अडथळित झाल्यामुळे होतो. ही प्रगती वैयक्तिकृत स्ट्रोक मूल्यांकन सुधारण्यासाठी एक आशादायक मार्ग प्रदान करते, ज्यामुळे प्रतिबंधात्मक धोरणांमध्ये सुधारणा होऊ शकते.

अभ्यासात असे दर्शविले आहे की उच्च आनुवंशिक जोखमीच्या गुणांक असलेल्या व्यक्तींमध्ये स्ट्रोकचा धोका 22% अधिक आहे. हा मॉडेल ट्रान्सफार्मर-आधारित AI तंत्रज्ञानाचा वापर करतो, जो मोठ्या भाषिक मॉडेल्समध्ये जसे की ChatGPT मध्ये वापरला जातो, जेणेकरून आनुवंशिक विविधता आणि त्यांच्या जीनोममधील परस्पर क्रियांचा अभ्यास केला जाऊ शकेल. हा पद्धत आरोग्य डेटासेटच्या विरोधात चाचणी केल्यावर विद्यमान आनुवंशिक जोखमीच्या मूल्यांकन साधनांच्या तुलनेत अधिक प्रभावी ठरली आहे.

संशोधनाचे प्रमुख लेखक युए (एरिक) यांग यांनी सांगितले की, त्यांचा मॉडेल स्ट्रोकच्या रुग्णांना आणि न रुग्णांना वेगळे करण्यामध्ये पूर्वीच्या साधनांपेक्षा अधिक अचूक आहे. या संशोधनात यूके बायोबँक आणि अमेरिका स्थित ऑल-ऑफ-यूज डेटाबेसमधून आनुवंशिक आणि आरोग्य डेटा वापरला गेला, ज्यामुळे मॉडेलच्या प्रभावीतेची पुष्टी झाली.

अध्ययनात मस्तिष्काच्या कॉर्टेक्स ऊतींमध्ये EDEM2 जीन हा स्ट्रोक संवेदनशीलतेचा एक महत्त्वाचा घटक म्हणून ओळखला गेला आहे, जो स्ट्रोकच्या जैविक यांत्रिकांवर भविष्यातील संशोधनासाठी एक संभाव्य लक्ष्य सुचवतो. स्ट्रोक हा जागतिक स्तरावर मृत्यूचा दुसरा प्रमुख कारण आहे, ज्यामध्ये सुमारे 46,000 ऑस्ट्रेलियाई प्रत्येक वर्षी प्रभावित होतात, आणि एक तृतीयांश जीवित राहणाऱ्यांना मध्यम ते गंभीर अपंगत्वाचा सामना करावा लागतो.

संशोधन टीम आता एक मल्टीमोडल AI प्रणाली विकसित करण्यावर लक्ष केंद्रित करीत आहे, जी आनुवंशिक मूल्यांकनांना नैदानिक आणि जीवनशैली डेटा सह एकत्रित करेल. ऑस्ट्रेलियन आर्टिफिशियल इंटेलिजन्स इन्स्टिट्यूटचे संचालक जी लू यांनी सांगितले की, आनुवंशिक माहितीला स्थापित नैदानिक जोखमीच्या घटकांसोबत एकत्रित करणे अधिक व्यापक जोखमीच्या मूल्यांकनासाठी आणि चांगल्या प्रतिबंधात्मक धोरणांसाठी उपयुक्त ठरू शकते. आगामी साधन विविध डेटा प्रकारांचे एकत्रीकरण करण्याचे लक्ष्य ठेवते, ज्यामध्ये आरोग्य सर्वेक्षण आणि इमेजिंग समाविष्ट आहे, जेणेकरून स्ट्रोक जोखमीचे मूल्यांकन आणि इतर आरोग्य स्थिती जसे की एंडोमेट्रियोसिस यावर लक्ष केंद्रित केले जाऊ शकेल.