دانشمندان از هوش مصنوعی برای ترک اعتیاد استفاده کردند
تقریباً سه میلیون آمریکایی به مواد افیونی اعتیاد دارند و هر ساله بیش از ۸۰ هزار آمریکایی در اثر سوءمصرف مواد مخدر، جان خود را از دست میدهند.
مواد افیونی یا اُپیوئید (Opioid) به مجموعه ترکیبات شیمیایی طبیعی و صنعتی مُسکن شبیه به مرفین گفته میشود که در سیناپس، گیرندههای عصبی اپیوئید را تحریک میکنند. عملکرد همگی آنها در بدن همانند کار انتقالدهندههای عصبی ضد درد (اندورفینها) است که از طریق تأثیر بر سلسله اعصاب مرکزی موجب تخفیف احساس درد در بدن میشوند.
مرفین اولین اپیویید طبیعی (آلکالوئید) است که در سال ۱۸۰۴ توسط یک داروساز آلمانی به نام «فردریش ویلیام آدام سرتورنر» در شهر «پادربرن» از تریاک استخراج شد.
اُپیوئیدها از نظر توانایی، قدرت و مدت اثر با یکدیگر متفاوت هستند و خاصیت چسبندگی آنها به گیرندههای عصبی و همچنین میزان حلال بودن آنها در چربی، تعیینکننده است. همچنین واکنشهای مختلفی نسبت به گیرندههای مختلف اپیویید از خود نشان میدهند.
مصرف اپیوئیدها موجب وابستگی روانی و جسمی شبیه اعتیاد به تریاک میگردد. با قطع ناگهانی آنها علائم اضطراب، تعریق، بیخوابی، تهوع و لرز، اسهال، درد عضلانی، ترس و بیقراری و گُرگرفتگی پیش میآید. پس از اتمام دوره درمان، مقدار مصرف روزانه دارو تحت نظارت پزشک باید به آهستگی کاهش یابد تا از بروز علایم محرومیت دارو جلوگیری شود.
اپیوئیدها به خودی خود به سیستم ارگانیک بدن آسیب چندانی نمیرسانند، چرا که هدفمند بر روی گیرندههای مخصوص خود اثر میگذارند، با وجود این مصرف دائمی و طولانی مدت این مواد ممکن است همراه با آسیبهای جسمی باشد که عوارض جانبی آنها به وجود آوردهاند، اما به طور کلی میتوان اعتیاد را خطرناکترین آسیب این گروه داروها دانست.
داروهای اپیوئیدی با فعال کردن گیرندههای اپیوئیدی که منجر به کاهش درد و تندرستی میشود، عمل میکنند. متأسفانه آنها همچنین موجب وابستگی فیزیکی و کاهش تنفس میشوند که متأسفانه دومی اغلب در طول مصرف بیش از حد دارو منجر به مرگ میشود.
گزارشهای متعدد و نتایج مطالعات پیشبالینی انجام شده نشان دادهاند که مسدود کردن این گیرندهها ممکن است به درمان وابستگی به مواد افیونی کمک کند.
کشف داروهای جدید
لزلی سالاس استرادا از آزمایشگاه مارتا فیلیزولا در دانشکده پزشکی ایکان در مونت سینای (Mount Sinai) اکنون امیدوار است که با کشف داروهایی که گیرندهای موسوم به گیرنده کاپا-افیونی (kappa-opioid) را مهار میکنند، اعتیاد به مواد افیونی را کاهش دهد.
استرادا میگوید: اگر معتاد باشید و سعی میکنید اعتیاد خود را ترک کنید، در برخی مواقع علائم ناشی از ترک اعتیاد خود را مشاهده خواهید کرد و غلبه بر آنها میتواند واقعاً سخت باشد.
وی افزود: بعد از قرار گرفتن در معرض مواد افیونی زیاد، مغز شما به مواد مخدر بیشتری نیاز دارد. مسدود کردن فعالیت گیرنده کاپا-افیونی در مدلهای حیوانی نشان داده است که نیاز به استفاده از دارو در دوره ترک را کاهش میدهد.
چالش در کشف داروهایی است که در واقع میتوانند فعالیت پروتئینی مانند گیرنده کاپا-افیونی را در دریایی از نامزدهای بیشمار مسدود کنند. به همین دلیل استرادا برای کارآمدتر کردن این فرآیند به ابزارهای محاسباتی روی آورده است. وی از هوش مصنوعی برای بهینهسازی سیستمهای یافتن داروی خود استفاده میکند.
حجم عظیمی از اطلاعات
استرادا گفت: هوش مصنوعی این مزیت را دارد که میتواند حجم عظیمی از اطلاعات را بگیرد و یاد بگیرد که الگوها را از میان آنها تشخیص دهد؛ بنابراین ما معتقدیم که فناوری یادگیری ماشینی میتواند به ما کمک کند تا اطلاعاتی را که میتوان از پایگاههای داده شیمیایی بزرگ برای طراحی داروهای جدید به دست آورد، مورد استفاده قرار دهیم و به این ترتیب، ما به طور بالقوه میتوانیم زمان و هزینههای مرتبط با کشف داروهای جدید را کاهش دهیم.
گروه همکار استرادا یک مدل کامپیوتری را برای تولید ترکیباتی آموزش دادند که ممکن است گیرنده را با یک الگوریتم یادگیری تقویتی که به خواصی که برای درمانهای دارویی مطلوب هستند، مسدود کند. آنها این کار را با ترکیب اطلاعات مربوط به گیرنده کاپا-افیونی و داروهای شناخته شده انجام دادند.
این راهکار تا اینجا موفقیت آمیز بوده است. محققان تاکنون چندین ترکیب را شناسایی کردهاند که ویژگیهای امیدوارکنندهای دارند.
پژوهشگران اکنون قصد دارند آنها را ترکیب کنند و در نهایت آنها را در مدلهای حیوانی به منظور مشاهده و تعیین ایمنی و اثربخشی آزمایش کنند.
به گفته استرادا، هدف نهایی، کمک به افرادی است که با اعتیاد دست و پنجه نرم میکنند.
منبع: آیای
باشگاه خبرنگاران جوان علمی پزشکی فناوریمنبع خبر: باشگاه خبرنگاران
اخبار مرتبط: دانشمندان از هوش مصنوعی برای ترک اعتیاد استفاده کردند
حق کپی © ۲۰۰۱-۲۰۲۴ - Sarkhat.com - درباره سرخط - آرشیو اخبار - جدول لیگ برتر ایران