به گزارش ایسنا و به نقل از فلوریدا نیوز تایمز، پژوهشگران "دانشگاه کوئین مری لندن"(QMUL)، الگوریتمی را روی ۷۰۰ هزار بیمار آزمایش کرده‌اند و داده‌های گردآوری شده در مورد "هیپرکلسترولمی فامیلی"(familial hypercholesterolemia) را که از دلایل اصلی حملات قلبی در جوانان به شمار می‌رود، به آن ارائه داده‌اند.

هیپرکلسترولمی فامیلی، نوعی بیماری است که میان اعضای خانواده‌هایی با سطح بالای کلسترول منتقل می‌شود. اگر این بیماری درمان نشود، می‌تواند به بروز حمله قلبی در سنین جوانی بیانجامد.

یکی از روش‌های تشخیص این بیماری، الگوریتم موسوم به "FAMCAT" است که داده‌های گردآوری شده مانند نتایج آزمایش خون و سوابق خانوادگی را تجزیه و تحلیل می‌کند تا افراد مستعد هیپرکلسترولمی فامیلی و افرادی که احتمال ابتلا به این بیماری در آنها کمتر است را شناسایی کند. نتیجه این تجزیه و تحلیل، فهرستی از افرادی است که پزشک عمومی می‌تواند بررسی‌های بیشتری در مورد آنها انجام دهد. این نخستین باری است که FAMCAT برای داده‌های جمعیتی که از نظر قومی متفاوت هستند، به کار می‌رود.

دکتر "جان رابسون"(John Robson)، سرپرست این پژوهش گفت: نیاز فوری به یک روش بهتر برای شناسایی افرادی که ممکن است به هیپرکلسترولمی فامیلی مبتلا باشند، احساس می‌شود. الگوریتم FAMCAT به صورت خودکار عمل می‌کند. ما در این پژوهش نشان داده‌ایم که می‌توان از این الگوریتم برای همه افراد یک شهر استفاده کرد و افراد شناسایی نشده را با استفاده از داده‌های موجود در سیستم پیدا کرد. FAMCAT، فهرستی طولانی از افرادی را ارائه می‌دهد که ممکن است به هیپرکلسترولمی فامیلی مبتلا باشند. این فهرست باید برای مقرون به صرفه بودن مورد بررسی قرار بگیرد. برای همه افرادی که بیماری آنها تایید می‌شود، بررسی‌هایی مورد نیاز است. همه این گزینه‌ها ابتدا باید با بررسی سوابق خانوادگی و سپس مراقبت‌های ثانویه برای آزمایش و مشاوره مورد ارزیابی قرار بگیرند.

وی افزود: مشخص نیست که FAMCAT در مورد گروه‌های قومی گوناگون، به طور یکسان عمل می‌کند یا خیر. ما در نظر داریم که برای بررسی این موضوع، پژوهشی را در شرق لندن انجام دهیم.

این پژوهش، در مجله "Heart" به چاپ رسید.

انتهای پیام