شناسهٔ خبر: 70817141 - سرویس علمی-فناوری
نسخه قابل چاپ منبع: برنا | لینک خبر

اسکن شبکیه چشم، پیش‌بینی‌کننده جدید خطر سکته مغزی

برنا - گروه علمی و فناوری: محققان یک روش غیرتهاجمی جدید مبتنی بر اسکن شبکیه چشم کشف کرده‌اند که می‌تواند خطر سکته مغزی را با دقت مشابه روش‌های سنتی پیش‌بینی کند. برنا - گروه علمی و فناوری: محققان یک روش غیرتهاجمی جدید مبتنی بر اسکن شبکیه چشم کشف کرده‌اند که می‌تواند خطر سکته مغزی را با دقت مشابه روش‌های سنتی پیش‌بینی کند.

صاحب‌خبر -

محققان یک «اثر انگشت عروقی» در شبکیه چشم توسعه داده‌اند که می‌تواند خطر سکته مغزی را به اندازه روش‌های سنتی پیش‌بینی کند، اما با تهاجم کمتری.

به گزارش ساینس دیلی، این روش با استفاده از ۲۹ شاخص سلامت عروقی از شبکیه چشم، به دلیل پتانسیل خود در مراقبت‌های بهداشتی اولیه، به ویژه در مناطق با منابع محدود، برجسته شده است.

سلامت عروقی شبکیه به عنوان پیش‌بینی‌کننده سکته مغزی

«اثر انگشت» عروقی منحصر‌به‌فرد در شبکیه چشم — بافت حساس به نور در پشت چشم — می‌تواند خطر سکته مغزی را با همان دقت عوامل خطر سنتی پیش‌بینی کند، بدون نیاز به آزمایش‌های تهاجمی در آزمایشگاه. این یافته که امروز (۱۴ ژانویه) در مجله «هارت» منتشر شده، رویکردی ساده‌تر و قابل‌دسترس‌تر برای ارزیابی خطر سکته مغزی ارائه می‌دهد.

اثر انگشت عروقی شامل ۲۹ شاخص از سلامت عروق است و به عنوان ابزاری عملی و آسان برای اجرا شناخته شده است. محققان بر پتانسیل آن تأکید می‌کنند، به‌ویژه در مراقبت‌های بهداشتی اولیه و محیط‌های با منابع محدود.

بار جهانی سکته مغزی و تحقیقات شبکیه

سکته مغزی سالانه حدود ۱۰۰ میلیون نفر را در سراسر جهان تحت تأثیر قرار می‌دهد و باعث مرگ ۶.۷ میلیون نفر می‌شود. بیشتر موارد به عوامل خطر قابل تغییر مانند فشار خون بالا، کلسترول بالا، رژیم غذایی ناسالم و سیگار کشیدن مرتبط است.

شبکیه چشم شبکه عروقی پیچیده‌ای دارد که شباهت‌های زیادی با رگ‌های خونی مغز دارد. این ویژگی باعث می‌شود شبکیه به عنوان پنجره‌ای ارزشمند برای مشاهده تأثیرات مشکلات سیستمیک سلامتی مانند دیابت و ابزاری امیدوارکننده برای پیش‌بینی خطر سکته مغزی شناخته شود.

پیشرفت‌های فناوری پیش‌بینی سکته مغزی

پتانسیل پیش‌بینی خطر سکته مغزی هنوز به‌طور کامل مورد بررسی قرار نگرفته است، زیرا یافته‌های متغیری در مطالعات و استفاده ناپیوسته از تکنیک تصویربرداری تخصصی پشت چشم — عکسبرداری از شبکیه — وجود دارد.

با این حال، یادگیری ماشین (هوش مصنوعی)، مانند سیستم ارزیابی سلامت میکروعروقی مبتنی بر شبکیه (RMHAS)، امکاناتی برای شناسایی نشانگر‌های زیستی فراهم کرده است که می‌توانند به‌طور دقیق خطر سکته مغزی را پیش‌بینی کنند بدون نیاز به آزمایش‌های تهاجمی در آزمایشگاه.

روش‌شناسی مطالعه و داده‌های شرکت‌کنندگان

برای بررسی بیشتر این موضوع، محققان ۳۰ شاخص در پنج دسته مختلف از معماری عروقی شبکیه را در تصاویر شبکیه ۶۸،۷۵۳ شرکت‌کننده از مطالعه UK Biobank اندازه‌گیری کردند.

این پنج دسته شامل قطر (طول، قطر، نسبت)، چگالی، پیچیدگی، زاویه انشعاب و پیچیدگی رگ‌ها و شریان‌ها بود.

آنها همچنین عوامل خطر بالقوه تأثیرگذار را مورد بررسی قرار دادند: عوامل دموگرافیک و اجتماعی اقتصادی پس‌زمینه، سبک زندگی و پارامتر‌های سلامت مانند فشار خون، کلسترول، HbA۱c (شاخص قند خون) و وزن (BMI).

تحلیل نهایی شامل ۴۵،۱۶۱ شرکت‌کننده (میانگین سن ۵۵ سال) بود. در طول یک دوره نظارت متوسط ۱۲.۵ ساله، ۷۴۹ نفر دچار سکته مغزی شدند.

تأثیر شاخص‌های شبکیه بر خطر سکته مغزی

این افراد تمایل داشتند که سن بالاتری داشته باشند، مرد باشند، سیگار مصرف کنند و دیابت داشته باشند. آنها همچنین وزن بالاتری داشتند، فشار خون بالاتر و سطوح کلسترول «خوب» کمتری داشتند که همه اینها از عوامل خطر شناخته‌شده برای سکته مغزی هستند.

در مجموع، ۱۱۸ شاخص قابل اندازه‌گیری عروقی شبکیه در این مطالعه گنجانده شد که از این میان ۲۹ شاخص به‌طور قابل‌توجهی با خطر سکته مغزی برای اولین‌بار در ارتباط بود، پس از تنظیم برای عوامل خطر سنتی. بیش از نیمی از این شاخص‌ها (۱۷ مورد) به چگالی مربوط می‌شدند؛ ۸ مورد در دسته پیچیدگی قرار داشتند؛ ۳ مورد به قطر مربوط بودند؛ و ۱ مورد به پیچیدگی رگ‌ها مربوط می‌شد.

هر تغییر در شاخص‌های چگالی با افزایش ۱۰ تا ۱۹ درصدی خطر سکته مغزی مرتبط بود، در حالی که تغییرات مشابه در شاخص‌های قطر با افزایش ۱۰ تا ۱۴ درصدی خطر سکته مغزی همراه بود.

هر کاهش در شاخص‌های پیچیدگی و پیچیدگی رگ‌ها با افزایش ۱۰.۵ تا ۱۹.۵ درصدی خطر سکته مغزی همراه بود.

این «اثر انگشت عروقی» شبکیه، حتی زمانی که تنها با سن و جنسیت ترکیب می‌شود، به اندازه استفاده از عوامل خطر سنتی برای پیش‌بینی خطر سکته مغزی آینده مؤثر است.

این مطالعه از نوع مشاهده‌ای است و بنابراین نمی‌توان نتیجه‌گیری قطعی در مورد علت و اثر گرفت. همچنین محققان اذعان دارند که این یافته‌ها ممکن است برای قومیت‌های مختلف قابل اعمال نباشد، زیرا بیشتر شرکت‌کنندگان در UK Biobank سفیدپوست هستند. آنها همچنین نتواستند خطرات مرتبط با انواع مختلف سکته مغزی را ارزیابی کنند.

با این حال، آنها نتیجه می‌گیرند: «با توجه به اینکه سن و جنسیت به راحتی در دسترس هستند و پارامتر‌های شبکیه از طریق عکسبرداری معمول شبکیه قابل دستیابی است، این مدل رویکردی عملی و قابل‌اجرا برای ارزیابی خطر سکته مغزی، به ویژه در مراقبت‌های بهداشتی اولیه و محیط‌های با منابع محدود، ارائه می‌دهد.»

انتهای پیام/

برچسب‌ها: