به گزارش روابط عمومی دانشگاه علوم پزشکی تبریز ، در پژوهشی نوآورانه که اخیراً در دانشگاه علوم پزشکی تبریز به ثمر نشست، هوش مصنوعی و یادگیری ماشین به‌عنوان ابزارهای کلیدی در کشف نشانگرهای زیستی سکته قلبی مورد استفاده قرار گرفتند.
این پایان‌نامه با عنوان «توسعه و ساخت نانوبیوسنسور پایه کاغذی به‌منظور تشخیص سکته‌ی قلبی با استفاده از دسته‌ی microRNAهای خونی» توسط مهرداد صمدی و با راهنمایی دکتر فرهاد بانی و دکتر رضا رهبرقاضی و مشاوره دکتر کاوه کاوسی و دکتر مهداد اسماعیلی انجام و ه در تاریخ ۲۱ مرداد ۱۴۰۴ با موفقیت دفاع شد.
در این پژوهش، داده‌های بزرگ عمومی مربوط به بیان ریزRNAهای خونی تحلیل و مجموعه‌ای محدود از ریزRNAهای تشخیصی شناسایی شد که توانایی تمایز سکته قلبی از بیماری پایدار عروق کرونر و افراد سالم را فراهم می‌کند. همچنین، طراحی و توسعه یک زیست‌حسگر کاغذی مبتنی بر نانوذرات طلا، مسیر بهره‌برداری بالینی از این یافته‌ها را تسهیل کرده است؛ به‌گونه‌ای که تشخیص سکته قلبی با تجهیزات ساده و در مراکز درمانی با امکانات محدود نیز امکان‌پذیر می‌شود. اهمیت این پژوهش در آن است که نشان می‌دهد الگوریتم‌های هوش مصنوعی می‌توانند از میان داده‌های پیچیده مولکولی، الگوهای دقیق و قابل‌اعتماد برای تشخیص زودهنگام سکته قلبی استخراج کنند. ترکیب این یافته‌ها با زیست‌حسگرهای کاغذی، افق تازه‌ای برای توسعه آزمایش‌های سریع، ارزان و کاربردی در تشخیص بیماری‌های قلبی ایجاد می‌کند. نتایج حاصل از این رساله در دو مجله معتبر بین‌المللی Cardiovascular Diabetology و Biology Direct منتشر شده و بازتاب گسترده‌ای در جامعه علمی داشته است: • Samadishadlou, Mehrdad, et al. “Unlocking the potential of microRNAs: machine learning identifies key biomarkers for myocardial infarction diagnosis.” Cardiovascular Diabetology 22.1 (2023): 247. • Samadishadlou, Mehrdad, et al. “An exploration into the diagnostic capabilities of microRNAs for myocardial infarction using machine learning.” Biology Direct 19.1 (2024): 127.