ضربان‌ساز مدرن یکی از شگفتی‌های علم پزشکی است. این دستگاه کاشتنی که اندازه‌ی آن بیشتر از یک قوطی کبریت نیست، پالس‌های الکتریکی را به قلب انسان ارسال می‌کند تا ضربان قلب او منظم بماند. در سرتاسر جهان، هرساله ۱/۲۵ میلیون بیمار مجهز به ضربان‌ساز می‌شوند. این دستگاه کیفیت زندگی بیمارانی را که ضربان قلب آن‌ها غیرطبیعی است، بهبود می‌بخشد و امید به زندگی برخی افراد را به سطح عادی بازمی‌گرداند.
درحالی‌که دستگاه‌های فیزیکی به‌تدریج طی چند دهه‌ی گذشته و پس از زمانی که نخستن ضربان‌سازِ کاملا قابل کاشت در سال ۱۹۵۸ به کار گرفته شد، بهبود پیدا کرده است، ایده‌ی اصلی ضربان‌ساز تغییری نکرده است. الکترودهای کاشته‌شده، ضربان قلب شما را تحت نظارت قرار می‌دهند و اگر غیرطبیعی شود، دستگاه می‌تواند پالس‌های الکتریکی را ارسال کند تا ماهیچه‌های قلب منقبض شده و قلب همچنان بتواند خون را به سرتاسر بدن پمپاژ کنند. چه هنگام خواب و چه در جریان فعالیت بدنی، ضربان‌ساز باید قلب را در وضعیتی نگه دارد که با همان ریتم مطمئن بزند.
برخی افرادی معتقدند ضربان‌ساز می‌تواند کارهای بیشتری انجام دهد. دستگاه‌های کاشتنی، به‌جای اینکه فقط هنگام نیاز به بافت قلب تلنگر وارد کرده و آن را به حرکت وادارند، می‌توانند وضعیت بیمار را تحت نظارت قرار داده، نشانه‌های بیماری را تشخیص دهند، به مدیریت بیماری‌های مزمن کمک کنند و حتی انواع جدیدی از درمان را فراهم کنند که به‌سادگی بتوانیم آن‌ها را مانند اپلیکشینی روی تلفن همراه خود دانلود کنیم.
نسل جدید دستگاه‌های شبه‌ضربان‌ساز با تحریک مستقیم شبکه‌ای از اعصاب که در سرتاسر بدن پراکنده شده است، می‌توانند برای مهار دیابت، آرتریت و بیماری پارکینسون و نیز بهبود کنترل مثانه و مدیریت بهتر درد مورد استفاده قرار گیرند.
پژوهشگران امیدوارند با تلفیق هوش مصنوعی در ضربان‌سازها، این دستگاه‌ها عملکردهای دیگری به‌جز حفظ ضربان قلب به دست آورند
الیور آرمیتاژ، هم‌بنیان‌گذار و مدیر ارشد استارتاپ زیست‌پزشکی بایوس (Bios) که در تلاش برای ایجاد نسل جدیدی از ایمپلنت‌های پزشکی است، توضیح می‌دهد:
ضربان‌سازها کار بزرگی را درمورد آریتمی قلب انجام می‌دهند اما با فشار خون بالا یا بسیاری از مشکلات مزمن دیگر کاری ندارند.
چگونه می‌توانیم ضربان‌سازهای پیشرفته‌تری داشته باشیم؟
بدن انسان دارای ضربان‌ساز طبیعی خود است؛ شبکه‌ای از سیم‌های بیولوژیکی که ما آن‌ها را عصب می‌نامیم. این اعصاب سیگنال‌های الکتریکی را همراه با پیام‌های شیمیایی به تمام ارگان‌ها و بافت‌های اصلی بدن ارسال می‌کنند.
در طول ۲۰ سال گذشته، پژوهشگران فعال در زمینه‌ی بیوالکترونیک در تلاش بوده‌اند تا مستقیما با این سیگنال‌ها کار کنند. دستگاه‌های بیوالکترونیک، تکاملی از صنعت ضربان‌ساز هستند. هدف آن‌ها شبیه‌سازی سیگنال‌های عصبی و برقراری تعامل با بدن و درنهایت کنترل فعالیت مدارهای عصبی درگیر در بیماری‌ها است.
محرک‌های عمقی مغز، نمونه‌ی شناخته‌شده‌ای از این دستگاه‌ها هستند که برای کمک به کنترل رعشه‌ها، سفتی و مشکلات حرکتی مرتبط با بیماری پارکینسون، ازطریق ارسال سیگنال الکتریکی به مغز مورد استفاده قرار گرفته‌اند. دستگاه‌های محرک عصب برای درمان شرایطی مانند صرع در موقعیت‌هایی که دارو نتیجه‌ای نداشته، نیز مورد استفاده قرار گرفته است. اما ایمپلنت‌های بیوالکترونیک امروزی ابزارهای ساده‌ای هستند که برخی از تغییرات مهم موجود در بدن را درنظر نمی‌گیرند. علت آن است که دانشمندان در زمینه‌ی درک الگوهای دقیق سیگنال‌های عصبی که با عنوان «نشانگرهای زیستی عصبی» شناخته می‌شوند و بر سلامتی تاثیر می‌گذارند، با دشواری رو‌به‌رو هستند.
اگر درمورد این اطلاعات به‌عنوان یک زبان فکر کنید، می‌توان گفت نشانگرهای زیستی کلمات موجود در این زبان هستند. نشانگرهای زیستی عصبی نوعی از نشانگرهای زیستی هستند. هرچه ما بیشتر در مورد آن‌ها بدانیم، بهتر می‌توانیم زبان سیستم عصبی انسان را و آن‌چه را که درمورد بدن ما می‌گوید، درک کنیم. همچنین وقتی بتوانیم سیگنال‌های عصبی را درک کنیم، می‌توانیم با استفاده از دستگاه‌های کاشتنی برای تحویل خودکار درمان به بیماران ازطریق تحریک اعصاب خاص، به‌طور موثر با بدن خود ارتباط برقرار کنیم.
وقتی بتوانیم سیگنال‌های عصبی را درک کنیم، می‌توانیم با استفاده از دستگاه‌های قابل کاشت برای تحویل خودکار درمان‌ها، با بدن خود ارتباط برقرار کنیم.
درک جذابیت یک دستگاه کاشتنی ساده است. این دستگاه، هنگامی که درست کار می‌کند، باید اتوماتیک‌وار و بدون اینکه حتی بیمار متوجه شود، شرایط بیمار را تحت‌نظر قرار داده و درمان را به او تحویل دهد.
بیمارانی که فراموش می‌کنند داروی خود را در زمان مناسب مصرف کنند، فشار عمده‌ای بر بخش خدمات سلامتی در سرتاسر جهان تحمیل می‌کنند
آرمیتاژ می‌گوید:
یک ضربان‌ساز، آریتمی قلب بیمار را درست همان‌طور که یک داروی بتابلوکر درمان می‌کند، تحت درمان قرار می‌دهد. البته ضربان‌ساز قدرت‌بخش‌تر از دارو است زیرا بیمار نیازی ندارد که دیگر درمورد وضعیت خود فکر کند. این فناوری می‌تواند به پرهیز از مشکلاتی مانند عدم پیروی از داروهای تجویزشده کمک کند. پژوهش‌ها نشان می‌دهند که فقط در کشور آمریکا، ۱۲۵ هزار مرگ و حداقل ۱۰ درصد از بستری‌ها ناشی از این موضوع است که بیمار مقدار تجویز شده‌ی داروی خود را مصرف نمی‌کند.
با رمزگشایی از پیامی که از عصب‌ها می‌گذرد و واکنش دربرابر آن اطلاعات، دستگاه‌های کاشتنی نسل بعد باید بتوانند وضعیت بیمار را تحت نظارت قرار داده و در صورت نیاز، درمانی فراهم کنند. برای مثال، اگر شما ورزش شدیدی انجام می‌دهید، دستگاه این تغییرات را از طریق سیگنال‌های عصبی دریافت می‌کند و ضربان قلب شما را تا حدی که با سطح فعالیت جسمی شما مطابقت داشته باشد، افزایش می‌دهد. همچنین، اگر ضربان قلب باید با افزایش سن به‌تدریج آهسته شود، دستگاه این تغییر فیزیولوژیکی را درنظر خواهد گرفت. علاوه‌بر‌این، درصورتی که بیماری قلبی درحال پیشروی باشد یا چنین بیماری در بدن بیمار ظاهر شود، دستگاه به پزشک معالج هشدار می‌دهد و به او این امکان را می‌دهد که یک پیش‌آگهی پزشکی پویا از وضعیت بیمار داشته باشد.
البته این کار چیزی خارق‌العاده‌ای نیست و به یک دستگاه کاشتنی نیاز دارد که پیام‌های عصبی را رمزگشایی کرده و در زمان واقعی، با ارسال پیام دیگری به مغز واکنش نشان داده و موجب واکنش ارگان هدف شود.
ما به داده‌های عصبی بیشتر و تکنیک‌های تفسیری بهتری نیاز داریم تا بتوانیم به کلمات صحیح مورد نیاز برای درک زبان بدن خود گوش کنیم
یکی از مشکلاتی که وجود دارد این است که داده‌های عصبی بسیار نویزی و پیچیده هستند. قلب انسان از سایر اجزای بدن جدا نیست و عملکرد آن تحت‌تاثیر عوامل دیگر و پیام‌هایی که از دیگر ارگان‌ها می‌آیند، قرار می‌گیرد؛ مثلا اینکه با چه سرعتی تنفس می‌کنید، به‌تازگی چه غذایی خورده‌اید و موارد دیگر. برای رمزگشایی دقیق این اطلاعات، ما به داده‌های عصبی بیشتر و تکنیک‌های تفسیر بهتر نیاز داریم تا بتوانیم به کلمات صحیح مورد نیاز برای درک زبان بدن انسان گوش کنیم.
استارتاپ بایوس برای رسیدن به هدف مذکور به یادگیری ماشین روی آورده است. این تیم درحال ثبت داده‌های خام عصبی حاصل از رابط‌های عصبی بوده است و آن‌ها را درکنار سیگنال‌های فیزیولوژیکی ثبت‌شده‌ی مرتبط با ضربان قلب، فشار خون، سطوح گلوکز، دمای بدن و سطوح فعالیت بدنی قرار داده است. آن‌ها داده‌های عصبی و فیزیولوژیکی چندین ماه را با هم تطابق داده‌اند، تا براساس اطلاعات حاصل از آن، الگوریتم هوش مصنوعی بتواند الگوهایی را که نشان‌دهنده‌ی نشانگرهای زیستی عصبی ماندگار هستند و نیز ارتباط آن‌ها را با تغییرات در عملکرد ارگان را شناسایی کند.
استفاده از یادگیری ماشین باعث می‌شود که ایمپلنت‌های عصبی به‌طور موثرتری دربرابر علائم و سبک زندگی بیمار پاسخ دهند
آرمیتاژ توضیح می‌دهد:
چیزی که ما به ارمغان می‌آوریم، افزودن یک الگوریتم پیشرفته یعنی قابلیت یادگیری ماشین، به دستگاه‌های کاشتنی است.
همان‌طور که این الگوریتم اطلاعات بیشتری کسب کرده و از داده‌های یک فرد آموزش بیشتری می‌بیند، می‌تواند پاسخ خودکار خود را به هرکدام از نیازهای بیمار شخصی‌سازی کند. این رابط‌های عصبی دوطرفه می‌توانند همچنین تصویری بالینی از بیمار طی زمان ایجاد کرده و نحوه‌ی پیشرفت بیماری را ترسیم کنند و به پزشکان کمک کنند تا طرح‌های مراقبتی شخصی را برای هر فرد ایجاد کنند. آرمیتاژ می‌افزاید:
ما اساسا درحال بررسی این موضوع هستیم که چگونه به‌جای اینکه تنها به داروها تکیه کنید، می‌توانید با الگوریتم‌ها و ازطریق سیستم عصبی، درمان‌های واکنش‌گرا را به بیماران دچار مشکلات پزشکی مزمن تحویل دهید.
کاشتنی‌های بایوس طی چند سال آینده در آزمایش‌های بالینی انسانی و ابتدا در کسانی که در بخش قوقانی بدن دچار قطع عضو هستند، تحت آزمایش قرار خواهند گرفت. علت انتخاب این گروه از افراد برای آزمایش آن است که برآورد سیگنال‌های عصبی مورد نیاز برای حرکت دادن بازو نسبت‌به سیگنال‌های عصبی مورد نیاز برای حفظ وضعیت سالم قلب، ریه یا پانکراس، آسان‌تر بوده و پیچیدگی کمتری دارد.
آرمیتاژ پیش‌بینی می‌کند که طی سه تا پنج سال آینده شاهد معرفی دستگاه‌های واکنش‌گرای شخصی‌شده هستیم که می‌توانند طیفی از مشکلات شامل فشار خون بالا، دیابت، کنترل مثانه و درد مزمن را درمان کنند. سرانجام، بایوس امیدوار است که فناوری او پلتفرمی را مهیا کند که پزشکان را قادر سازد براساس آن درمان‌های جدیدی را توسعه دهند. برای مثال، پزشک می‌تواند درمانی عصبی برای یک شرایط خاص بسازد؛ مثلا چیزی به شکل یک اپلیکشین تلفن همراه که بتواند روی پلتفرم بایوس اجرا شود و یک مشکل پزشکی مزمن را به یک الگوریتم تبدیل کند. آرمیتاژ می‌گوید:
فناوری که ما درحال توسعه‌ی آن هستیم، پلتفرم دریافت و ارسال اطلاعات به سیستم عصبی است، به‌طوری که بیماری که ما آن را درمان می‌کنیم، یک الگوریتم است.
پزشکان می‌توانند به‌جای تجویز دارو، الگوریتم‌هایی را بسازند که بیمار بتواند همچون یک اپلیکشین تلفن همراه هوشمند آن را دانلود کنند
اگرچه هرکدام از چنین درمان‌های خاصی نیاز به آزمایش‌های مناسب و فرایندهای تنظیمی خواهد داشت، می‌تواند به میزان زیادی زمان رسیدن به بازار را کاهش دهد زیرا پلتفرم هوش مصنوعی و دستگاه کاشتنی درحال حاضر در دسترس است.
رمزگشایی قلب
کلید این رویکرد آن است که ابتدا بیماری به الگوریتم‌هایی تجزیه شود. دانشمندان درحال استفاده از یادگیری ماشین برای درک این موضوع هستند که چگونه طیف وسیعی از سیگنال‌های زیستی (مانند هورمون‌ها یا مواد بیوشیمیایی خاص در خون) می‌توانند نشان‌دهنده‌ی وضعیت خاص قلب یا دیگر ارگان‌های بدن باشند. به‌عنوان مثال، احتمال اینکه بیماران دیابتی به‌خاطر بیماری قلبی از دنیا بروند، دوبرابر افراد غیردیابتی است. اما درحالی‌که می‌دانیم دیابت به قلب و توانایی آن برای ایجاد انرژی در سطح سلول آسیب می‌زند، هنوز نمی‌دانیم که دقیقا چرا چنین اتفاقی می‌افتد.
اخیرا گروهی از پژوهشگران دانشگاه ویرجینیای غربی برای یافتن نشانگرهای زیستی مرتبط با دیابت از الگوریتم‌های یادگیری ماشین استفاده کردند و مولکول‌ها و سیگنال‌های متابولیکی موجود در نمونه‌های بافت گرفته‌شده از بیماران دیابتی و غیردیابتی را مورد بررسی قرار دادند. کوئینسی هاتاوی، دانشجوی پزشکی دانشگاه ویرجینیای غربی که این پژوهش بخشی از رساله‌ی دکترای او بوده است، می‌گوید:
ما در ابتدا متوجه شدیم که تمایز مشخصی بین افراد دیابتی و گروه کنترل وجود ندارد. اما با استفاده از الگوریتم‌های یادگیری ماشین حساسیتی فراهم شد و با مشخص شدن جزئیات بیشتر، یک نشانه‌ی منحصربه‌فرد پیدا شد.
مطالعه‌ی هاتاوی می‌تواند به تشخیص و درمان بهتر بیماران دیابتی دچار عوارض قلبی‌عروقی منجر شود. پزشک می‌تواند نمونه‌ی بافت را بررسی کرده و از روی نشانگرهای مشخص، بیماری قلبی خاص را تشخیص دهد. اگر بتوانیم در آینده نشانگرهای زیستی را با دقت کافی شناسایی کنیم، یک آزمایش خون ساده می‌تواند نشان دهد که آیا بیمار مبتلا به دیابت است و درمعرض توسعه‌ی یک مشکل قلبی قرار دارد یا نه.
گام بعدی، آموزش الگوریتم‌های یادگیری ماشین با استفاده از داده‌های بیشتر است اما این کار بدون چالش نیست، همان‌طور که هاتاوی می‌گوید:
برای یافتن یک نشانگر متمایز باید ژنوم هزاران بیمار در تمام سطوح تعیین توالی شود.
عمل جراحی مورد نیاز برای کاشت الکترودهای مورد استفاده برای تحریک عمقی مغز بسیار تهاجمی است و می‌تواند موجب بروز عوارض دیگری شود
جان هولندر، مشاور هاتاوی و استاد فیزیولوژی ورزش در دانشگاه ویرجینیای غربی اضافه می‌کند حتی زمانی که یک نشانگر شناخته می‌شود، باید با همه‌ی جزئیات و با دقت زیادی مورد مطالعه قرار گیرد. او می‌گوید:
درواقع، دستیابی به داده‌ها بخش دشوار کار نیست؛ این درک مفهوم داده‌ها در زمینه‌ای وسیع‌تر است که دشوار است.
افراد بسیاری وجود دارند که پتانسیل این رویکرد را می‌بینند. برای مثال در کشور آمریکا، برنامه‌ی SPARC موسسه‌ی ملی سلامت درحال بررسی توسعه‌ی دستگاه‌های درمانی است که فعالیت الکتریکی اعصاب رادرجهت بهبود عملکرد ارگان‌های مختلف بدن تنظیم کند. پژوهشگران پیش‌بینی می‌کنند که نسل بعدی دستگاه‌های انطباق‌پذیر تحریک عمقی مغز که شرایط خاص را مورد هدف قرار می‌دهند، می‌توانند طی دو سال آینده در دسترس قرار گیرند. یکی از امیدوارکننده‌ترین این دستگاه‌ها، دستگاهی است که برای درمان مشکلات عصبی نظیر بیماری پارکینسون درحال توسعه است.
هلن برونته استوارت، مدیر مرکز اختلالات حرکتی استنفورد و گروهش درحال کار روی یک سیستم انطباق‌پذیر تحریک عمقی مغز هستند که برای تشخیص علائمی مانند انجماد راه رفتن و رعشه از حسگری استفاده می‌کنند که روی مچ دست بسته می‌شود. این مچ‌بند ازطریق فناوری بلوتوث به ایمپلنتی در مغز متصل است و براساس نشانه‌های بیمار و در زمان واقعی، سیگنال‌های الکتریکی ریزی را در مغز او تولید می‌کند. برونته استوارت می‌گوید:
ما نسبت‌به گذشته، دانش زیادی درمورد سیگنال‌های عصبی مرتبط کسب کرده‌ایم.
برای نظارت دقیق و درمان بیماری‌ها به این روش، نورون‌ها باید با دقتی بسیار زیاد برانگیخته شوند. فناوری کنونی الکترودهای تحریک‌کننده‌ی مغز این کار را دشوار می‌کند زیرا برای تحریک و ثبت سیگنال‌ها از الکترودهای متفاوتی استفاده می‌شود. البته گروهی از پژوهشگران دانشگاه ملبورن درحال استفاده از فیبرهای کربنی دارای روکش الماس هستند با این امید که آرایه‌ای از الکترودها را بسازند که بتواند هر دو وظیفه را برای نورون‌های انفرادی انجام دهد. ملانی استامپ که عضوی از این گروه پژوهشی دانشگاه ملبورن است، می‌گوید:
با الکترودهای ما، فرصتی برای پرداختن به بیماری‌های ناتوان‌کننده‌ای مانند پارکینسون، زوال عقل، درد مزمن و شاید حتی افسردگی مهیا می‌شود.
البته فیبرهای کربنی باید زیست‌سازگار نیز باشند؛ یعنی خطر رد شدن پیوند به‌وسیله‌ی بدن بیمار را کاهش دهند. استامپ هشدار می‌دهد که آن‌ها باید ابتدا آزمایش‌های بالینی را انجام دهد. این آزمایش، آزمایش مهمی برای بررسی عملکرد و ایمنی الکترودهای جدید خواهد بود. این موضوع نکته‌ی مهمی را درمورد تمام دستگاه‌های کاشتنی برجسته می‌کند. ماهیت تهاجمی اتصال دستگاه‌های الکتریکی به اعصاب به این معنا است که آن‌ها باید به دقت مورد ارزیابی قرار گیرند تا اطمینان حاصل شود که موجب آغاز هیچ واکنش مضر و ناخواسته‌ای در بدن بیمار نمی‌شوند.
پیشرفت در فناوری الکترودها به ایمپلنت‌ها اجازه خواهد داد تا نورون‌ها را به‌صورت انفرادی مورد هدف قرار دهند و درمان‌های دقیق‌تری را تحویل دهند
ممکن است راه‌هایی برای اجتناب از عمل جراحی وجود داشته باشد. فلور زلدنروست، متخصص فیزیولوژی اعصاب از دانشگاه ردبود هلند که به مطالعه‌ی ارتباط بین ساختار مغز و عملکرد آن مشغول است، توضیح می‌دهد:
برای مثال، تکنیک‌های تحریک مغز با استفاده از سونوگرافی متمرکز درحال توسعه است که نیازی ندارد که الکترودها در مغز کاشته شوند. این پیشرفت می‌تواند کمک بزرگی برای بیماران باشد زیرا کاشت الکترودها همیشه با خطراتی همراه است. اما این امر همچنین به این معنا است که دستکاری مغز آسان‌تر می‌شود؛ با همه‌ی پیامدهای اخلاقی همراه آن.
زلدنروست می‌افزاید ممکن است محدودیت‌هایی در زمینه‌ی تعداد بیماری‌هایی که می‌توانند درمان شوند، وجود داشته باشد. مغز از بخش‌های مجزایی که درکنار هم قرار گرفته باشند، تشکیل نشده است بلکه سیستمی بسیار پراکنده و به هم پیوسته است. او می‌گوید:
پردازشی که در مغز ما انجام می‌شود، بسیار غیرمتمرکز است. اما یک الکترود تحریک عمقی مغز تمام سلول‌های پیرامون یک منطقه را به‌طور همزمان متاثر می‌سازد و تنها نورون‌های اطراف آن را فعال می‌کند. این بدان معنا است که درمان طیف وسیع‌تری از علائم ناشی از اختلالات پیچیده دشوار خواهد بود، زیرا برخی از نورون‌ها باید تحریک شوند درحالی‌که برخی از نورون‌ها که در مناطق دیگر قرار دارند، نباید تحریک شوند و این کار در حال حاضر ممکن نیست.
درکنار موانع فنی و قانونی که وجود دارد، در گزارش اخیر انجمن سلطنتی بریتانیا نتیجه‌گیری شده است که نسل بعدی ایمپلنت‌های رابط‌های عصبی می‌تواند مزایای گسترده‌ای به همراه داشته باشد. در این گزارش آمده است:
در پزشکی، فناوری‌های عصبی در دهه‌های آینده بالغ‌تر شده و گسترش قابل‌توجهی پیدا می‌کنند و به‌طور بالقوه اثربخشی آن‌ها در برخی از حوزه‌ها از داروها بیشتر خواهد شد.
شاید به‌زودی مراجعه به پزشک با دانلود یک الگوریتم خاتمه یابد و دیگر نیازی نباشد برای درمان مشکل خود مقدار زیادی قرص مصرف کنیم.
