وداع با کولونوسکوپی؟ – همشهری آنلاین

به گزارش همشهری آنلاین سرطان روده بزرگ دومین علت اصلی مرگ ناشی از سرطان در سراسر جهان است. اگر این سرطان زود تشخیص داده شود، می‌توان آن را به طور موثر درمان کرد، اما هزینه و ناراحتی کولونوسکوپی – روش اصلی تشخیصی که در حال حاضر برای غربالگری آن استفاده می‌شود – اغلب منجر به تأخیر در تشخیص می‌شود.

گروهی از پژوهشگران دانشگاه ژنو (UNIGE) سوئیس با استفاده از الگوریتم‌های یادگیری ماشینی، برای اولین بار تمام باکتری‌های روده انسان را با میزانی از جزئیات شناسایی کردند که درک اهمیت فیزیولوژیکی زیرگروه‌های مختلف میکروبی را ممکن می‌سازد. سپس آنها از این فهرست برای تشخیص وجود سرطان روده بزرگ بر اساس باکتری‌های موجود در نمونه‌های مدفوع ساده، یک ابزار غربالگری غیرتهاجمی و کم‌هزینه، استفاده کردند.

کاربردهای بالقوه آن گسترده است، از تشخیص سایر سرطان‌ها گرفته تا درک بهتر ارتباط بین میکروبیوتای روده (باکتری‌های زنده طبیعی در روده) و سلامت. یافته‌های این پژوهشگران در ژورنالCell Host & Microbe منتشر شده است.

سرطان روده بزرگ اغلب در مرحله پیشرفته تشخیص داده می‌شود که گزینه‌های درمانی محدود هستند. این امر بر نیاز به ابزارهای تشخیصی ساده‌تر و کمتر تهاجمی، به ویژه در مواجهه با افزایش موارد هنوز ناشناخته در بین بزرگسالان جوان، تأکید می‌کند. اگرچه مدت‌هاست که مشخص شده است میکروبیوتای روده در ایجاد سرطان روده بزرگ نقش دارد، اما تبدیل این یافته‌ها به عمل بالینی چالش‌برانگیز بوده است. دلیل این امر آن است که سویه‌های مختلف از یک گونه باکتریایی می‌توانند اثرات متضادی داشته باشند، به طوری که برخی باعث پیشرفت بیماری می‌شوند و برخی دیگر هیچ تاثیری ندارند.

میرکو تراجکوفسکی، استاد تمام گروه فیزیولوژی سلولی و متابولیسم و مرکز دیابت در دانشکده پزشکی دانشگاه ژنو که سرپرستی این پژوهش را بر عهده داشت، توضیح می‌دهد: «به جای تکیه بر تجزیه و تحلیل گونه‌های مختلف تشکیل‌دهنده میکروبیوتا، که تمام تفاوت‌های معنادار را در بر نمی‌گیرد، یا سویه‌های باکتریایی، که از فردی به فرد دیگر بسیار متفاوت هستند، ما بر سطح میانی میکروبیوتا، یعنی زیرگونه‌ها، تمرکز کردیم.تفکیک زیرگونه‌ها خاص است و می‌تواند تفاوت‌ها در نحوه عملکرد باکتری‌ها و نقش آنها در بیماری‌هایی از جمله سرطان را نشان دهد و در عین حال به اندازه کافی عمومی است تا این تغییرات را در بین گروه‌های مختلف افراد، جمعیت‌ها یا کشورها تشخیص دهد.»

استفاده از یادگیری ماشینی

اولین قدم تجزیه و تحلیل حجم عظیمی از داده‌ها بود. ماتیجا تریکوویچ، دانشجوی دکترا در آزمایشگاه میرکو تراجکوفسکی و نویسنده اول مقاله این بررسی خاطرنشان کرد: «به عنوان یک متخصص بیوانفورماتیک، چالش ما ارائه یک رویکرد نوآورانه برای تجزیه و تحلیل داده‌های انبوه بود. ما با موفقیت اولین کاتالوگ جامع از زیرگونه‌های میکروبیوتای روده انسان را به همراه یک روش دقیق و کارآمد برای استفاده از آن هم برای تحقیق و هم برای کلینیک تهیه کردیم.»

دانشمندان با ترکیب این کاتالوگ با داده‌های بالینی موجود، مدلی را توسعه دادند که می‌تواند وجود سرطان روده بزرگ را صرفاً بر اساس باکتری‌های موجود در نمونه‌های مدفوع پیش‌بینی کند. ماتیجا تریکوویچ می‌گوید: «اگرچه ما به استراتژی خود اطمینان داشتیم، اما نتایج قابل توجه بود. روش ما ۹۰ درصد موارد سرطان را تشخیص داد، نتیجه‌ای بسیار نزدیک به نرخ تشخیص ۹۴ درصد حاصل از کولونوسکوپی و بهتر از همه روش‌های تشخیص غیرتهاجمی فعلی.»

این مدل با ادغام داده‌های بالینی بیشتر می‌تواند دقیق‌تر شود و با دقت کولونوسکوپی مطابقت داشته باشد. این آزمایش می‌تواند به یک ابزار غربالگری معمول تبدیل شود و تشخیص زودهنگام سرطان روده بزرگ را که سپس با کولونوسکوپی تأیید می‌شود، تسهیل کند، اما فقط در گروه منتخبی از بیماران.

دنیایی جدید از کاربردها

اولین کارآزمایی بالینی این آزمایش جدید با همکاری بیمارستان‌های دانشگاه ژنو (HUG) در حال انجام است تا مراحل سرطان و ضایعات قابل تشخیص را دقیق‌تر تعیین کند. با این حال، کاربردهای آن فراتر از سرطان روده بزرگ است. پژوهشگران اکنون با مطالعه تفاوت‌های بین زیرگونه‌های یک گونه باکتریایی، می‌توانند مکانیسم‌های عملکردی را که میکروبیوتای روده بر سلامت انسان تأثیر می‌گذارد، شناسایی کنند. میرکو تراجکوفسکی می‌گوید: «به زودی می‌توان از همین روش برای توسعه ابزارهای تشخیصی غیرتهاجمی برای طیف وسیعی از بیماری‌ها که همگی مبتنی بر یک تجزیه و تحلیل میکروبیوتای واحد هستند، استفاده کرد.»