تشخیص سریع‌تر سرطان با «آزمایشگاه روی تراشه» ساخت محققان کشورمان

به گزارش خبرگزاری صدا و سیما ، در این زیرساخت (پلتفرم) مدل‌سازی محاسباتی پیشرفته، تحلیل تجربی و الگوریتم‌های هوش مصنوعی برای تجزیه‌وتحلیل پدیده‌های پیچیده آکوستوفلویدیک ادغام شده است. محققان استفاده نوآورانه‌ای از میدان‌های صوت‌شناسی با فشار دوگانه را پیش گرفتند و به طور راهبُردی آنها را در موقعیت‌های هندسی کانال بحرانی بر روی یک بستر لیتیوم نیوبات قرار دادند.

 محققان کشورمان با استفاده از فشار صوت‌شناسی اعمال شده در میکرو کانال، توانستند سامانه‌ای برای تولید مجموعه داده‌های قابل اعتماد را اجرا کنند .

 جداسازی سلول‌های قابل کنترل مورد نظر، برای بررسی ذاتاً دشوار است. روش‌های سنتی معمولاً به آماده‌سازی نمونه دقیق، تجهیزات قابل‌توجه و حجم نمونه زیاد نیاز دارند و حتی در این صورت، جداسازی مؤثر سلول‌های مورد نظر آسان نیست.

 دو محقق دانشگاه صنعتی خواجه نصیرالدین طوسی در تهران، سامانه‌ای را طراحی کردند که از امواج صوتی سطح ایستاده برای جداسازی توده‌ها از گلبول‌های قرمز در گردش خون بادقت و کارایی بی‌سابقه‌ای استفاده می‌کند. در زیرساختی که افشین کوهگرد و ناصر ناصری‌فر طراحی کردند، مدل‌سازی محاسباتی پیشرفته، تحلیل تجربی و الگوریتم‌های هوش مصنوعی برای تحلیل پدیده‌های پیچیده آکوستوفلویدیک ادغام شده است.

 ناصر ناصری‌فر از محققین دانشگاه صنعتی خواجه نصیرالدین طوسی گفت: ما الگوریتم‌های یادگیری ماشینی را با مدل‌سازی مبتنی بر داده و داده‌های محاسباتی ترکیب کردیم تا سامانه‌ای را برای نرخ بازیابی بهینه و نرخ جداسازی سلول‌ها تنظیم کنیم. سامانه ما در شرایط بهینه، با کاهش قابل‌توجه مصرف انرژی از طریق کنترل دقیق فشارهای صوتی و نرخ جریان، به بازیابی ۱۰۰ درصدی دست می‌یابد.

 ازآنجایی‌که راه‌های مختلفی برای غنی‌سازی ذرات از طریق میکروسیال‌ها پدیدار شده‌اند، آنهایی که از آکوستوفلویدیک‌ها استفاده می‌کنند، بسیار امیدوارکننده هستند؛ زیرا زیست‌سازگار هستند و طول‌موج‌هایی در مقیاس سلولی تولید می‌کنند.

 محققان با روش خاص خود، از میدان‌های صوتی با فشار دوگانه استفاده کردند که تأثیر را بر سلول‌های هدف دوبرابر می‌کند و به طور راهبُردی آنها را در موقعیت‌های هندسی کانال بحرانی روی یک بستر لیتیوم نیوبات قرار می‌دهد. با استفاده از فشار صوت‌شناسی اعمال شده در میکرو کانال، طراحی سامانه، تولید مجموعه داده‌های قابل‌اعتمادی را ممکن می‌کند که زمان تعامل سلولی و الگوهای مسیر را نشان می‌دهد که به پیش‌بینی مهاجرت سلول‌های توده کمک می‌کند.

 افشین کوهگرد دیگر محقق دانشگاه صنعتی خواجه نصیرالدین طوسی گفت: ما یک زیرساختی (پلتفرم) پیشرفته و آزمایشگاهی روی تراشه تولید کردیم که جداسازی سلولی را در لحظه، با مصرف کم و دقت زیاد ممکن می‌کند این فناوری نوید بهبود کارایی جداسازی توده در گردش خون را می‌دهد و فرصت‌های جدیدی را برای تشخیص زودهنگام و مؤثر سرطان، فراهم می‌کند. همچنین راه را برای ایجاد هوش مصنوعی کاربردی در پزشکی شخصی و تشخیص سرطان هموار می‌کند.