به گزارش گروه علم و فناوری ایسکانیوز، مرتضی محمودی استادیار کالج پزشکی دانشگاه ایالتی میشیگان اعلام کرد که فناوری‌های نانو نه تنها در محافظت از مراکز مراقبت‌های بهداشتی مفید خواهد بود؛ بلکه از کمبود شدید منابع جلوگیری کرده، میزان مرگ و میر را به حداقل رسانده و مدیریت بیماری های همه گیر آینده را بهبود می‌بخشد.

این مفهوم مبتنی بر سطوح مختلف عفونت و مراحلی از بیماری است که ترکیب مایعات بیولوژیکی مانند اشک، بزاق، ادرار و پلاسما را تغییر می‌دهد. عفونت ها و بیماری های مختلف الگوهای مختلفی را برای بار ویروسی و مرحله بیماری ایجاد می‌کنند، که تا حدودی شبیه اثر انگشت است.

محمودی اظهار کرد که امکان شناسایی و فهرست نویسی این الگوهای می تواند برای هرگونه پیشرفت در فناوری تشخیص مهم باشد.

برای شروع، مایعات بیولوژیکی بیمار با مجموعه کوچکی از نانوذرات کمتر از قطر یک هزارم موهای انسان معرفی می شود. سطح منحصر به فرد این ذره پروتئین ها، لیپیدها و سایر مولکول ها را از مایعات در الگویی جمع می کند که محمودی از آن به عنوان تاج بیومولکولی یا تاج یاد می کند.

این استاد دانشگاه اعلام کرد که با تجزیه و تحلیل ترکیب تاج ها در سطح ذرات ریز در کنار رویکردهای آماری، این پلتفرم ممکن است الگوی اثر انگشت را برای بیمارانی فراهم کند که ممکن است پس از آلودگی به ویروس کرونا در معرض خطر مرگ قرار گیرند.

نکته اصلی این دو سیستم عامل تشخیصی، سادگی آنهاست که امکان استقرار دستگاهها را در محل مراقبت از بیماران فراهم می کند و از آنجا که نمونه های لازم، مایعات بدن بیمار است؛ دستیابی به آن سخت نیست.

محمودی برای استفاده از الگوهای شناخته شده به عنوان اثر انگشت این دستگاه را به مجموعه فناوری‌های حسگر کوچک مانند « optoelectronic nose» که قادر به تصویربرداری از نتایج آزمایش و تشخیص است مجهز کرده است.

محمودی گفت: این پلت فرم پیشنهادی می تواند سیستم نوری حساس و با کاربرد آسان برای شناسایی دقیق بیماران در معرض خطر بالای مرگ را به همراه آورد.

محمودی همچنین تکنولوژی دیگری را مبتنی بر موفقیت اخیر در شناوری مغناطیسی مبتنی بر نانوذرات یا MagLev را برای کوتاه مدت ارائه داد. روش نوآورانه نمونه‌های پلاسما بیمار را در محلول نانوذرات مغناطیسی معلق می کند. با گذشت زمان، نوارهای مشخصی از پروتئین ها تشکیل می شوند و از نظر تراکم جدا می شوند. دقیقاً مانند تاج پروتئین، این باند پروتئین‌های منحصر به فرد الگوهای مشخص و قابل اطمینان را برای پیگیری مراحل عفونت ایجاد می کنند.

محمودی دریافت که تصاویر نوری MagLev از پروتئین های جدا شده که در معرض آنالیز یادگیری ماشینی هستند، اطلاعات ارزشمندی در مورد وضعیت سلامتی فرد ارائه می دهند.

وی به قابلیتهای تشخیصی این فناوری برای بیماران در معرض خطر مرگ ناشی از کووید-19 اطمینان دارد.

انتهای پیام/