Innovativ teknologi tilbyr en ikke-invasiv måte å overvåke blodpropp

Innovativ teknologi tilbyr en ikke-invasiv måte å overvåke blodpropp

Forskere ved Universitetet i Tokyo har funnet en måte å overvåke koagulasjonsaktiviteten i blodet – uten behov for invasive prosedyrer. Ved å bruke en ny type mikroskop og kunstig intelligens (AI), viser studien deres hvordan man kan spore blodplateklumper hos pasienter med koronararteriesykdom (CAD), og åpner døren for tryggere, mer personlig behandling.

Hvis du noen gang har kuttet deg selv, har du sett blodplater i aksjon - disse små blodcellene er som nødreparatører for å lukke skaden og stoppe blødningen. Men noen ganger overreagerer de. Hos personer med hjertesykdom kan de danne farlige blodpropper i arteriene, noe som fører til hjerteinfarkt eller slag.

Blodplater spiller en avgjørende rolle i hjertesykdom, spesielt CAD, fordi de er direkte involvert i dannelsen av blodpropp. For å forhindre farlige blodpropper behandles pasienter med CAD ofte med møtepunkter. Det er imidlertid fortsatt vanskelig å nøyaktig vurdere hvor godt disse stoffene virker hos hver enkelt, noe som gjør overvåking av blodplateaktivitet til et viktig mål for både leger og forskere. "

Dr. Kazutoshi Hirose, assisterende professor ved University of Tokyo Hospital og hovedforfatter av studien

Denne utfordringen presset Hirose og hans samarbeidspartnere til å utvikle et nytt system for å overvåke blodplater i bevegelse ved hjelp av en høyhastighets optisk enhet og kunstig intelligens.

"Vi brukte en avansert enhet kalt et frekvensdelings-multipleks (FDM) mikroskop, som fungerer som et super-høyhastighetskamera som tar skarpe bilder av blodceller i flyt," sa medforfatter Yuqi Zhou, assisterende professor i kjemi ved Universitetet i Tokyo. "Akkurat som trafikkkameraer fanger opp hver bil på veien, fanger mikroskopet vårt tusenvis av bilder av blodceller i bevegelse hvert sekund. Vi bruker deretter kunstig intelligens for å analysere disse bildene. AI kan oppdage om det er en enkelt blodplate (som en bil), en klump av blodplater (som en trafikkork), eller til og med merking av hvite blodlegemer (som en politiavkjøling)."

Forskerteamet brukte denne teknikken på blodprøver fra over 200 pasienter. Bildene deres viste at pasienter med akutt koronarsyndrom hadde flere blodplateaggregater enn pasienter med kroniske symptomer - noe som støtter ideen om at denne teknologien kan spore koagulasjonsrisiko i sanntid.

"En del av min vitenskapelige nysgjerrighet ligger i nyere fremskritt innen høyhastighets bildebehandling og kunstig intelligens, som har åpnet opp for nye måter å observere og analysere blodceller i bevegelse," sa Dr. Keisuke Goda, professor i kjemi ved Universitetet i Tokyo, som ledet forskerteamet. "AI kan se mønstre utover det det menneskelige øyet kan se."

Et av de viktigste funnene var at vanlig blod trukket fra armen - i stedet for fra hjertets arterier - ga nesten samme informasjon.

"Hvis leger vil forstå hva som skjer i arteriene, spesielt koronararteriene, må de utføre invasive prosedyrer, for eksempel et kateter gjennom håndleddet eller lysken for å samle blod," sa Hirose. "Vi fant at bare en vanlig blodprøve fra en vene i armen til arteriene kan gi meningsfull informasjon om blodplateaktivitet. Dette er spennende fordi det gjør prosessen mye enklere, tryggere og mer praktisk."

Det langsiktige håpet er at denne teknologien vil hjelpe leger bedre å tilpasse behandling av hjertesykdom.

"Akkurat som noen mennesker trenger mer eller mindre smertestillende midler avhengig av kroppen, fant vi at folk reagerer forskjellig på blodplateassosiasjoner. Faktisk er noen pasienter rammet av tilbakevendende trombose, andre lider av gjentakende blødningshendelser selv med de samme antiplatemedisinene," sa Hirose. "Teknologien vår kan hjelpe leger å se hvordan hver enkelts blodplater oppfører seg i sanntid. Dette betyr at behandlinger kan skreddersys for bedre å passe hver persons behov."

"Vår studie viser at selv noe så lite som en blodcelle kan fortelle en stor historie om helsen din," la Zhou til.

Kilder: