یک فناوری جدید مبتنی بر هوش مصنوعی، سلول‌های اسپرم را در مردانی که به آنها گفته شده بود هیچ اسپرمی ندارند، پیدا می‌کند و به زوج‌هایی که سال‌ها برای بچه‌دار شدن تلاش کرده‌اند، فرصت دیگری می‌دهد.

به گزارش جماران، اوایل ماه نوامبر ۲۰۲۵ بود که پنلوپه هنگام رانندگی از محل کار در نیوجرسی در ایالات متحده، تماسی دریافت کرد. پزشک او بود که با خبری که مدت‌ها آرزویش را داشت، تماس می‌گرفت. پس از دو سال و نیم تلاش طاقت‌فرسا، پنلوپه بالاخره باردار شده بود.

ایسنا نوشت، به نقل از بی‌بی‌سی، پس از آزمایش‌های فراوان، پنلوپه و همسرش ساموئل متوجه شدند که همسرش سندرم کلاینفلتر دارد؛ یک بیماری ژنتیکی که مردانی را که با یک کروموزوم X اضافی متولد می‌شوند، تحت تأثیر قرار می‌دهد و اغلب تا بزرگسالی تشخیص داده نمی‌شود. اکثر افراد مبتلا به سندرم کلاینفلتر، اسپرم کمی تولید می‌کنند یا اصلا اسپرمی تولید نمی‌کنند؛ بیماری‌ای که به عنوان آزواسپرمی شناخته می‌شود. حدود ۱۰ درصد از مردان نابارور آزواسپرمی را تجربه می‌کنند.

پنه‌لوپه که از شادی و ناباوری لبریز شده بود، منتظر ماند تا ساموئل آن شب به خانه برگردد و این خبر را به اشتراک بگذارد.

بارداری او به لطف روش جدیدی به نام سیستم استار که ردیابی و بازیابی اسپرم انجام می‌دهد و توسط دانشگاه کلمبیا برای ردیابی اسپرم در مردان مبتلا به آزواسپرمی توسعه داده شده است، امکان‌پذیر شد. این سیستم از هوش مصنوعی برای کمک به شناسایی و یافتن معدود اسپرم‌های «پنهان» که مردان مبتلا به این بیماری می‌توانند داشته باشند، استفاده می‌کند.

به ساموئل گفته شده بود ۲۰ درصد شانس داشتن فرزند بیولوژیکی دارد. ناباروری میلیون‌ها نفر را در سراسر جهان تحت تأثیر قرار می‌دهد، به طوری که از هر ۶ نفر در سن باروری، حدود یک نفر دست کم یک بار در طول زندگی خود با مشکل بارداری مواجه می‌شود. ناباروری مردان تا ۵۰ درصد موارد، عامل مؤثری است و یک درصد از کل مردان، آزواسپرمی هستند.

این بدان معناست که میلیون‌ها مرد در سراسر جهان تعداد اسپرم بسیار کمی دارند، به طوری که یافتن اسپرم‌های آنها آنقدر دشوار است که آزواسپرمی در نظر گرفته می‌شوند. اما قدرت هوش مصنوعی در یافتن این اسپرم‌های پنهان می‌تواند به کسانی که امیدوارند پدر و مادر شوند، امید ببخشد. در پایان سال گذشته، پس از پنج سال توسعه، اولین نوزادی که با استفاده از سیستم استار متولد شد، به زوجی که تقریبا دو دهه با ناباروری دست و پنجه نرم می‌کردند، اجازه داد تا سرانجام صاحب فرزند شوند. این لحظه‌ای است که زو ویلیامز، مدیر مرکز باروری دانشگاه کلمبیا و گروهش به خوبی به یاد دارند. او می‌گوید: همه فقط از شادی بالا و پایین می‌پریدند. موارد بسیار کمی وجود دارند که پاداش تمام تلاشی که صرف آن شده، چیزی به این شگفت‌انگیزی باشد. حالا یک نوزاد دختر داریم و امیدواریم، به خواست خدا، تعداد بسیار بسیار بیشتری نوزاد داشته باشیم.

از زمان ورود اولین نوزاد استار، این فناوری به طور منظم در مرکز باروری مورد استفاده قرار گرفته است و لیست انتظار افرادی که امیدوار به بارداری هستند به صدها نفر از سراسر جهان افزایش یافته است. ویلیامز می‌گوید بر اساس اطلاعات آخرین ۱۷۵ بیماری که از این فناوری استفاده کرده‌اند، در کمتر از ۳۰ درصد از موارد، اسپرم پیدا می‌شود. اینها افرادی هستند که در غیر این صورت به آنها گفته شده بود که هیچ شانسی برای بچه ‌دار شدن با استفاده از اسپرم خود ندارند.

به گفته ویلیامز، در آزمایش‌های بیشتر، استار توانست ۴۰ برابر بیشتر از جستجوی دستی توسط یک متخصص آموزش دیده انسانی اسپرم پیدا کند.

معمولا در یک نمونه، ده‌ها میلیون اسپرم در هر میلی‌لیتر وجود دارد. یک قطره کوچک از یک نمونه زیر میکروسکوپ بررسی می‌شود تا تعداد اسپرم تخمین زده شود، در حالی که همچنین بررسی می‌شود که آیا اسپرم‌ها در حال حرکت و سالم هستند یا خیر. اما در نمونه‌های آزواسپرمی، ممکن است فقط یک اسپرم در کل نمونه وجود داشته باشد، اگرچه در برخی موارد هیچ اسپرمی وجود ندارد. بررسی نمونه، هر بار یک قطره کوچک، غیرعملی است.

ویلیامز در سال ۲۰۲۰ پس از مطالعه در مورد چگونگی استفاده از هوش مصنوعی برای یافتن ستاره‌های جدید، ایده سیستم ستاره را مطرح کرد.

تلسکوپ‌های مدرن حجم عظیمی از داده‌ها از آسمان شب تولید می‌کنند که تجزیه و تحلیل آنها برای یافتن اجرامی که قبلا دیده نشده‌اند، برای ستاره‌شناسان انسانی به طرز غیرممکنی زمان‌بر است. اما استفاده از الگوریتم‌های یادگیری ماشینی می‌تواند این کار را در عرض چند دقیقه انجام دهد.

ویلیامز شروع به فکر کرد که آیا می‌توان از چنین فناوری‌هایی برای شناسایی و جداسازی اسپرم به همین روش استفاده کرد یا خیر.

او و گروهش پیش از این از یک فناوری تصویربرداری پرقدرت استفاده می‌کردند که می‌توانست برای اسکن نمونه استفاده شود. چالش، تجزیه و تحلیل صدها تصویر در ثانیه به صورت درلحظه برای شناسایی و استخراج هر اسپرمی بود که می‌توان یافت.

ویلیامز و همکارانش از تراشه‌های میکروفلوئیدی - شیشه یا پلیمری که با مجموعه‌ای از کانال‌ها به نازکی موی انسان حکاکی شده‌اند، استفاده می‌کنند. سپس نمونه اسپرم از آن عبور می‌کند و می‌تواند توسط تصویربردار اسکن شود.

یک الگوریتم یادگیری ماشینی، هر سلول اسپرمی را در تصاویر به صورت درلحظه تشخیص می‌دهد تا بتوان آنها را تا حد امکان به آرامی جدا کرد و از تخریب آنها اطمینان حاصل کرد.

ویلیامز می‌گوید که روش استار به حساسیت ۱۰۰ درصد دست یافته است، به این معنی که اگر یک اسپرم در نمونه وجود داشته باشد، می‌تواند آن را پیدا کند. پس از شناسایی، یک سیستم رباتیک سلول یا سلول‌های اسپرم را در عرض چند میلی‌ثانیه از کشف آنها استخراج می‌کند.

استار توانست هشت اسپرم را در نمونه ساموئل جدا کند که به نوبه خود به تخمک‌های پنلوپه تزریق شدند. یکی از آنها به بلاستوسیست کامل، مرحله‌ای تکامل‌یافته‌تر از جنین، تبدیل شد.

نوزاد آنها که احتمالا اولین پسری است که در نتیجه استار متولد می‌شود، قرار است در پایان ماه ژوئیه به دنیا بیاید. این نقطه‌ای است که آنها هرگز مطمئن نبودند که به آن برسند.

اما برای ارزیابی نتایج بلندمدت، کارشناسان موافقند که آزمایش‌های بالینی در مقیاس بزرگتر و همچنین شفافیت در مورد نحوه مدیریت داده‌های پزشکی حساس، محرمانه بودن و اختلافات در مورد پاسخگویی و مالکیت مورد نیاز است.

همچنین نگرانی‌هایی در مورد وعده‌های بیش از حد برای پایان خوشی که می‌تواند با نوآوری‌های هوش مصنوعی همراه باشد، وجود دارد.

سیوبان کوئنبی، استاد زنان و زایمان در دانشگاه وارویک انگلستان، می‌گوید: زوج‌هایی که دوره‌های طولانی باروری را پشت سر می‌گذارند، ممکن است از بچه‌دار شدن ناامید شوند و در معرض درمان‌های گران‌قیمت با ارزش اثبات‌نشده قرار گیرند.

او می‌افزاید: بسیار هیجان‌انگیز است که فناوری پیشرفته، تخیل، مهندسی و هوش مصنوعی برای ایجاد یک راه ‌حل جدید برای ناباروری شدید ناشی از عوامل مردانه ترکیب شده‌اند. یک بارداری موفق شروع مهمی است. با این حال، قبل از اینکه ارزش این درمان جدید به طور کامل ارزیابی شود، تحقیقات بیشتری روی بیماران بیشتر مورد نیاز است.

 

انتهای پیام
این مطلب برایم مفید است
0 نفر این پست را پسندیده اند

موضوعات داغ

نظرات و دیدگاه ها

مسئولیت نوشته ها بر عهده نویسندگان آنهاست و انتشار آن به معنی تایید این نظرات نیست.