دراسة حديثة تكشف كيف يؤثر دخان الحرائق على الجهاز المناعى بالجسم
وجد الفريق البحثي أن التعرض لدخان الحرائق يحدث تغيرات ضارة في الجهاز المناعي على المستوى الخلوي حتى لدى الأشخاص الأصحاء حيث يؤثر الدخان على الجسم من خلال آليات مناعية معقدة بالاضافة الى انه يحتوي على مزيج من الجسيمات الدقيقة والغازات السامة والمواد الكيميائية مثل مركبات PFAS والمعادن الثقيلة إلى جانب مركبات مسرطنة مما يسبب فى ضعف الجهاز المناعة وتزيد من الالتهابات ما يفتح الباب لفهم أعمق لتأثيرات التلوث الناتج عن الحرائق.
تأثيرات دخان الحريق على جسم الأنسان
جمعت الدراسة عينات دم من 60 بالغا نصفهم تعرضوا مؤخرا للدخان (بينهم رجال إطفاء ومدنيون)والنصف الآخر لم يتعرض له مع الحرص على التماثل بين المجموعتين من حيث العمر والجنس والوضع الاجتماعي ولم يكن أي من المشاركين يعاني من أمراض مزمنة أو يتناول أدوية تؤثر على المناعةوباستخدام تقنيات تحليل دقيقة على مستوى الخلية رصد الباحثون تغيرات مناعية لافتة لدى المتعرضين للدخان، منها:
1.زيادة في خلايا الذاكرة التائية CD8+، المرتبطة بالمناعة طويلة الأمد.
2. ارتفاع في مؤشرات الالتهاب داخل الخلايا.
3.تغيرات في 133 جينا على صلة بالحساسية والربو.
4. ارتباط أكبر بين خلايا المناعة ومعادن سامة مثل الزئبق والكادميوم.
وقالت الدكتورة كاري نادو رئيسة قسم الصحة البيئية في كلية تي إتش تشان بجامعة هارفارد :نعلم أن للدخان تأثيرات صحية على القلب والرئة والجهاز العصبي و لكننا لم نكن نعرف الآلية الدقيقة هذه النتائج تساهم في سد تلك الفجوة وتزوّد العاملين في الصحة العامة بأدلة عملية لفهم المخاطر والتعامل معها.
كما أكدت أن معرفة كيفية تأثير الدخان على جهاز المناعة يعد خطوة مهمة نحو اكتشاف الاختلالات في وقت مبكر وربما تطوير علاجات وقائية تحد من أضرار التعرّض للملوثات البيئية.
وأن نتائج الدراسة قد تغير السياسات الصحية والبيئية المتعلقة بمستويات التعرض الآمن للدخان وتدفع نحو تعزيز التوعية العامة بالإجراءات الوقائية أثناء حرائق الغابات.
جرب ميزات الذكاء الاصطناعي لدينا
اكتشف ما يمكن أن يفعله Daily8 AI من أجلك:
التعليقات
لا يوجد تعليقات بعد...
أخبار ذات صلة
الاتحاد
منذ يوم واحد
- الاتحاد
نموذج ذكاء اصطناعي جديد يكشف مؤشرات السرطان مبكراً
طوّر باحثون في مبادرة "تشان زوكربيرغ" (CZI) نموذجاً جديداً للذكاء الاصطناعي يساعد العلماء على اكتشاف العلامات المبكرة للخلايا السرطانية وفهم الشبكات الجينية التي تتحكم في سلوك الخلايا. النموذج الذي أُطلق عليه اسم "GREmLN"، يُعد إنجازاً مهماً ضمن خطة المبادرة التي أطلقها الرئيس التنفيذي لشركة "ميتا" مارك زوكربيرغ وزوجته بريسيلا تشان لبناء عائلة من النماذج البيولوجية بالذكاء الاصطناعي. وتهدف هذه النماذج إلى التنبؤ بكيفية عمل الخلايا وفهمها على جميع المستويات، من الجزيئات إلى الأنظمة البيولوجية الكاملة، لدعم جهود علاج الأمراض والوقاية منها. اقرأ أيضاً.. الذكاء الاصطناعي يساعد الأطباء في قرارات العناية الحرجة نهج جديد على عكس معظم النماذج، يركز "GREmLN" على "المنطق الجزيئي" الذي يحدد كيفية تفاعل الجينات داخل الخلية، في صورة شبكة معقدة من المحادثات. ويساعد هذا النهج الباحثين على تتبع التغيرات المبكرة التي قد تؤدي إلى أمراض مثل السرطان أو التنكس العصبي، كما يتيح تحديد أهداف جديدة لعلاجات مبتكرة. وقال أندريا كاليفانو، رئيس مركز "تشان زوكربيرغ بيوهب نيويورك": "النموذج يمثل نهجاً غير مسبوق لفهم كيفية اتخاذ الخلايا للقرارات، والأهم من ذلك، كيفية انحراف تلك القرارات في الأمراض مثل السرطان". وأضاف: "GREmLN لا يحاول إعادة تشكيل علم الأحياء ليتناسب مع الذكاء الاصطناعي، بل يعيد تشكيل الذكاء الاصطناعي ليتناسب مع علم الأحياء". اقرأ أيضاً.. تقنية ذكية تُسهِّل فهم سجلات المرضى في أقسام الطوارئ بيانات ضخمة بحسب موقع "ميديكال إكسبريس" المتخصص في الأبحاث الطبية، تم تدريب "GREmLN" على أكثر من 11 مليون نقطة بيانات باستخدام أداة "CellxGene"، التي يستخدمها آلاف الباحثين أسبوعياً لتحليل خلايا مأخوذة من أنسجة متنوعة، مثل الدماغ والرئة والكلى والدم. ويخطط فريق البحث لتوسيع استخدام النموذج للإجابة عن أسئلة طبية وبيولوجية حاسمة، بما في ذلك اكتشاف التحولات المبكرة للخلايا السرطانية، رصد بداية تلف الخلايا العصبية، ومنع الالتهابات من التسبب بأضرار دائمة لخلايا الدماغ. اقرأ أيضاً.. الذكاء الاصطناعي يحلّل تخطيط صدى القلب خلال دقائق آفاق مستقبلية وفقاً للباحثين، يمكن أن يساعد "GREmLN" في المستقبل على منع الخلايا السرطانية من مقاومة العلاج، والتنبؤ بكيفية استجابة الخلايا للأدوية الجديدة، وزيادة معدلات نجاح التجارب السريرية بشكل كبير. وقال ثيوفانيس كارالتسوس، المدير الأول للذكاء الاصطناعي في "CZI": "فهم سلوك الخلية يعني فهم شبكة المحادثات التي تحدث داخلها، وGREmLN يلتقط هذه التعقيدات بطريقة غير مسبوقة. إنه خطوة نحو بناء أنظمة تساعدنا على محاكاة سلوك الخلايا والتنبؤ به". أمجد الأمين (أبوظبي)
الاتحاد
منذ 2 أيام
- الاتحاد
الذكاء الاصطناعي يساعد الأطباء في قرارات العناية الحرجة
طوّر باحثون من جامعة وورويك البريطانية (The University of Warwick)، أداة ذكاء اصطناعي جديدة لمساعدة الأطباء في اتخاذ القرار الصعب بشأن إدخال أنبوب التنفس للمرضى المصابين بفشل تنفسي حاد، عبر التنبؤ المبكر بالحالات التي قد تحتاج إلى التنبيب، ما يساعد على تحسين نتائج العلاج. اقرأ أيضاً.. تقنية ذكية تُسهِّل فهم سجلات المرضى في أقسام الطوارئ تحديات العلاج يحدث الفشل التنفسي الحاد عندما يعجز الجهاز التنفسي عن إمداد الجسم بالأكسجين أو التخلص من ثاني أكسيد الكربون. ويعتمد العلاج أساساً على دعم التنفس الخارجي، مثل التهوية غير الغازية عبر قناع الوجه، إلا أن حوالي 40% من المرضى لا يستجيبون لهذا العلاج، ويحتاجون لاحقاً إلى إدخال أنبوب التنفس والتهوية الميكانيكية الغازية. "TabPFN" المبتكر يُعرف النموذج باسم "TabPFN"، وهو نظام تعلم آلي مبتكر صُمم خصيصاً لتصنيف البيانات الجدولية، ويعتمد على تقنية "التعلم داخل السياق"، التي تمكّنه من إصدار توقعات دقيقة وفورية عند التعامل مع بيانات جديدة، حتى مع مجموعات صغيرة من القياسات، ودون الحاجة إلى تدريب من الصفر. اقرأ أيضاً.. أداة ذكية تتفوق على الأطباء في تشخيص سرطان المعدة تجارب ميدانية وفقاً لموقع "ميديكال إكسبريس" المتخصص في الأبحاث الطبية، بدأ اختبار النظام الذكي ميدانياً في مستشفيات جامعة "نورث ميدلاندز"، حيث يستخدم الأطباء تطبيقاً لإدخال القياسات الروتينية لمرضى التهوية غير الغازية، وتُرسل هذه البيانات إلى فريق جامعة وورويك، ليحللها "TabPFN" ويصدر توقعاته حول نجاح أو فشل العلاج، ثم تُقارن هذه التوقعات بالنتائج الفعلية لقياس دقته. دعم القرارات الطبية قال البروفيسور ديكلان بيتس من كلية الهندسة بجامعة وورويك وقائد فريق البحث: "علاج الفشل التنفسي الحاد يتطلب قرارات حاسمة في ظروف ضاغطة وبمعلومات محدودة، والمرضى الذين يفشلون في التهوية غير الغازية معرضون لخطر أكبر للوفاة، ما يجعل هذه القرارات بالغة الأهمية". وأضاف: "طوّرنا هذا النموذج ليعمل على القياسات الروتينية، مثل معدل التنفس ومستويات الأكسجين، ويقدم توقعاً لفشل التهوية غير الغازية خلال ساعتين فقط من بدء العلاج بدقة تفوق الأساليب الحالية، مما يجعله واعداً للتجارب السريرية وللتطبيق على نطاق واسع". وأوضح بيتس: "النموذج لا يستبدل قرارات الأطباء، لكنه يدعمهم بتحليل موضوعي للبيانات وإصدار توقعات يمكنهم الاستفادة منها عند اتخاذ قراراتهم المعقدة". اقرأ أيضاً.. أداة ذكاء اصطناعي تكشف 9 أنواع من الخرف بفحص واحد آفاق التوسع قال تيم سكوت، استشاري التخدير في مستشفيات جامعة نورث ميدلاندز: "نختبر حالياً تطبيقاً قائماً على هذا النموذج في المستشفى، وقد أظهر دقة عالية في التنبؤ بنتائج التهوية غير الغازية. نحن متفائلون بإمكاناته في تحسين رعاية المرضى ونسعى إلى تطويره لاعتماده على نطاق أوسع". بدوره، ذكر البروفيسور جافين بيركنز، عميد كلية الطب بجامعة وورويك: "مرضى الفشل التنفسي الحاد يستهلكون موارد كبيرة ويواجهون معدلات وفيات مرتفعة. الذكاء الاصطناعي لديه إمكانات هائلة لدعم الأطباء في إدارة هذه الحالات وتحسين نتائجها. وحدة التجارب السريرية في الجامعة رائدة في تقييم العلاجات الجديدة، ونتطلع للتعاون مع كلية الهندسة لتطوير هذه التقنيات لصالح المرضى". ومع غياب إرشادات رسمية لتوقيت إدخال أنبوب التنفس، واعتماد الأطباء المحدود على المؤشرات الحالية، يمثل "TabPFN" إضافة قيّمة لتحسين رعاية المرضى وجودة حياتهم. أمجد الأمين (أبوظبي)
الاتحاد
٠٥-٠٧-٢٠٢٥
- الاتحاد
تقنية ذكية تُسهِّل فهم سجلات المرضى في أقسام الطوارئ
طوّر باحثون من جامعة كاليفورنيا في لوس أنجلوس "UCLA" نظام ذكاء اصطناعي يحوّل السجلات الصحية الإلكترونية المجزأة، والتي تُخزّن عادةً في جداول، إلى نصوص قابلة للقراءة، مما يساعد النماذج اللغوية المتقدمة على تحليل التاريخ الطبي المعقّد للمرضى بكفاءة عالية، بحسب دراسة نشرتها مجلة "npj Digital Medicine". نموذج "MEME" أطلق الباحثون على هذا النظام اسم "MEME"، اختصاراً لـ The Multimodal Embedding Model for EHR (نموذج التضمين متعدد الوسائط للسجلات الصحية الإلكترونية)، ويقوم بتحويل البيانات الطبية الجدولية إلى "ملاحظات اصطناعية" تحاكي أسلوب التوثيق السريري، مما يتيح للذكاء الاصطناعي فهماً أعمق وأدق لسجلات المرضى ودعم اتخاذ القرارات السريرية. معلومات هائلة وجداول معقدة تحتوي السجلات الصحية الإلكترونية على كمّ هائل من معلومات المرضى، التي يمكن أن تساعد الأطباء على اتخاذ قرارات أسرع، خصوصاً في حالات الطوارئ. لكن في المقابل، تعتمد معظم أنظمة الذكاء الاصطناعي المتقدمة على النصوص، بينما تُخزَّن معلومات المستشفيات في جداول مليئة بالأرقام والرموز والتصنيفات. وقد شكّل هذا التباين عائقاً أمام استفادة أنظمة الرعاية الصحية من الإمكانات الكاملة للذكاء الاصطناعي. وفي أقسام الطوارئ، حيث تُعدّ سرعة اتخاذ القرار أمراً بالغ الأهمية، تزداد الحاجة إلى أدوات ذكية قادرة على تحليل التاريخ الطبي للمريض بسرعة، للتنبؤ بالنتائج وتوجيه قرارات العلاج. كيف يعمل النظام؟ ووفقاً لموقع "ميديكال إكسبريس" المتخصص في الأبحاث الطبية، تعتمد الآلية على تحويل البيانات الجدولية إلى "ملاحظات اصطناعية" باستخدام اختصارات التوثيق الطبي الشائعة بين مقدمي الرعاية الصحية. ويقوم نظام "MEME" بتقسيم معلومات المريض إلى فئات مثل الأدوية، والفحوصات، والقياسات الحيوية، ثم يُحوّل كل فئة إلى نص باستخدام قوالب بسيطة، ويشفّرها باستخدام نماذج لغوية، في محاكاة لأسلوب التفكير الطبي البشري. بعد ذلك، يتم تغذية هذه النصوص في نماذج لغوية متقدمة تتعامل مع أنواع البيانات المختلفة كسلاسل مترابطة. وقد تم اختبار هذا النهج في مهام تنبؤية واقعية داخل أقسام الطوارئ، مقارنةً بنماذج تقليدية ومتخصصة، بما في ذلك أساليب تعتمد على "الإرشاد النصي". أداء استثنائي حلّل النموذج الجديد بيانات أكثر من 1.3 مليون زيارة طوارئ باستخدام معلومات من قاعدة "MIMIC" الشهيرة ومن مستشفيات جامعة "UCLA"، وتفوق "MEME" بشكل ملحوظ على الأساليب المعتمدة حالياً في دعم القرار السريري، بما في ذلك تقنيات التعلم الآلي التقليدية، ونماذج مصممة خصيصاً للسجلات الصحية مثل "CLMBR" و"Clinical Longformer". كما أثبت قدرة قوية على التكيّف مع أنظمة مستشفيات متعددة ومعايير ترميز مختلفة. آفاق مستقبلية يعتزم فريق البحث اختبار "MEME" في بيئات سريرية جديدة إلى جانب أقسام الطوارئ، وتحسين قابليته للتعميم عبر مؤسسات صحية متعددة، مع تطويره لاستيعاب مفاهيم ومعايير طبية محدثة. وقال سايمون لي، طالب دكتوراه في الطب الحاسوبي بـ"UCLA": "هذا النظام يسد فجوة جوهرية بين أقوى نماذج الذكاء الاصطناعي المتاحة اليوم، والواقع المعقّد لبيانات الرعاية الصحية". وأضاف: "من خلال تحويل السجلات إلى تنسيق يمكن للنماذج اللغوية فهمه، نُطلق قدرات لم تكن متاحة سابقاً لمقدمي الرعاية". وأشار إلى أن "قدرة هذا النهج على التكيّف والنقل قد تجعله ذا قيمة خاصة للمؤسسات التي تعمل بمعايير بيانات مختلفة". أمجد الأمين (أبوظبي)
