AI ও বিরল স্নায়বিক ও স্নায়ু-প্রতিরক্ষা রোগ ── 2026-10-14
স্নায়বিক বিরল ও নিউরোইমিউন রোগ এবং এআই নিয়ে নতুন গবেষণাপত্র, যা জার্নাল ফিড, PubMed (সব জার্নালে অনুসন্ধান) এবং OpenAlex (Google Scholar-এর বদলে ব্যবহৃত একটি পাবলিক ইনডেক্স) থেকে সংগৃহীত এবং Jev (ভাষাগত বিচার করা একটি এআই) দ্বারা বিচারিত: মৌলিক গবেষণা, এআই কেন্দ্রীয়, ৯টি রোগ-গোষ্ঠীর কোনটি, চিকিৎসা বা ট্রায়াল, এবং তারপর দৈনিক সীমা পর্যন্ত গুরুত্ব অনুযায়ী ক্রমানুসারে সাজানো। জার্নাল ইমপ্যাক্ট ফ্যাক্টর দিয়ে ছাঁটাই করা হয় না; প্রতিটি গবেষণাপত্রে তার জার্নালের IF-সমতুল্য (OpenAlex দুই-বছরের গড় সাইটেডনেস) এবং সেই মানের তারিখ দেখানো হয়। প্রতিটি এন্ট্রিতে মূল অ্যাবস্ট্র্যাক্ট সম্পূর্ণ দেখানো হয়।
রোগ অনুযায়ী পড়ুন: মৌলিক গবেষণা（0） · এএলএস（0） · পার্কিনসন্স（1） · বংশগত নিউরোডিজেনারেশন（0） · স্নায়ু-পেশি সংক্রান্ত（0） · মাল্টিপল স্ক্লেরোসিস（0） · NMOSD/MOGAD（0） · মায়াস্থেনিয়া গ্র্যাভিস（1） · অটোইমিউন এনসেফালাইটিস/CIDP/GBS（0）
নিউরোডিজেনারেশন ও নিউরোইমিউনোলজি গবেষণা এবং AI
এই সংখ্যার জন্য কোনো নতুন যোগ্য গবেষণাপত্র নেই।
ALS: চিকিৎসা, ট্রায়াল ও এআই
এই সংখ্যার জন্য কোনো নতুন যোগ্য গবেষণাপত্র নেই।
পার্কিনসন্স রোগ ও পার্কিনসনিজম: চিকিৎসা, ট্রায়াল ও এআই
- সারসংক্ষেপ
ফ্রন্টো-টেম্পোরাল ডিমেনশিয়া (FTD), Parkinson&s;s (PD) এবং Alzheimer&s;s (AD)-এর মতো মস্তিষ্কের রোগগুলো স্নায়ুক্ষয়জনিত রোগ, যেগুলো নিউরোইনফ্লেমেশন ও প্রোটিন মিসফোল্ডিং ঘটায়। তবে ডেটার জটিলতা ও পরিবর্তনশীলতার কারণে এসব রোগের নির্ণয় এখনও চ্যালেঞ্জিং। বর্তমান গবেষণায় সংগৃহীত মাইক্রোঅ্যারে ডেটাসেট ব্যবহার করে মেশিন লার্নিং (ML) কৌশল প্রয়োগের মাধ্যমে আণবিক স্বাক্ষর শনাক্ত করা হয়েছে। ডেটাসেটগুলো National Center for Biotechnology Information (NCBI) Gene Expression Omnibus (GEO) থেকে সংগ্রহ করা হয়েছে। GEO-তে R-ভিত্তিক বিশ্লেষণ (GEO2R) এবং Limma প্যাকেজের ভিত্তিতে এক্সপ্রেসড জিনগুলো (|logFC| ≥ 0.5; adj.P.Val ≤ 0.05) পাওয়া গেছে। এই জিনগুলো প্রশিক্ষণ ও যাচাইয়ের মাধ্যমে Support Vector Machine (SVM) দিয়ে একটি ML মডেল তৈরি করা হয়েছে। SVM অত্যন্ত উচ্চ প্রিসিশন ও রিকল দেখিয়েছে। হিটম্যাপগুলো ডেটার মান নিশ্চিত করেছে। এই কাজ রোগ-নির্দিষ্ট জিন এক্সপ্রেশন প্রোফাইলের মধ্যে পার্থক্য করতে পরিসংখ্যানগত বায়োমার্কার ও সমষ্টিগত শিখনের সক্ষমতাকে তুলে ধরে, ফলে জিনভিত্তিক রোগনির্ণয় পদ্ধতির বিকাশ সম্ভব হবে। ভবিষ্যতে মডেলের ব্যাখ্যাযোগ্যতা বাড়াতে ও মডেলের উন্নতির জন্য জিনোমিক কাঠামোগত ডেটা যুক্ত করা যেতে পারে। এটি পরবর্তী সিদ্ধান্তের জন্য অস্বাভাবিক জিনগুলো শনাক্ত করতে সহায়তা করে।
জার্নাল IF: অজানা (মেলানো যায়নি)রেফারেন্স: মনোহর মাথকুন্তি এন, রঙ্গস্বামী এস, বর্ষা ভিপি, ভট এস। আলঝাইমার, পারকিনসন এবং ফ্রন্টোটেম্পোরাল ডিমেনশিয়ায় মেশিন লার্নিং অ্যালগরিদম ব্যবহার করে ডিফারেনশিয়ালি এক্সপ্রেসড জিনের বিশ্লেষণ। বিজ্ঞান, প্রযুক্তি ও আর্থ-সামাজিক গবেষণায় টেকসই গবেষণা ও উন্নয়নের আন্তঃবিষয়ক পদ্ধতি। 2026 Oct 12 [মুদ্রণের আগে প্রকাশিত]। doi:10.1201/9781042035762-123।যাচাই করা হয়েছে: শুধু সারসংক্ষেপ
পার্কিনসন্সের 1টি গবেষণাপত্র সব দেখুন →
বংশগত নিউরোডিজেনারেটিভ রোগ: চিকিৎসা, ট্রায়াল ও এআই
এই সংখ্যার জন্য কোনো নতুন যোগ্য গবেষণাপত্র নেই।
স্নায়ু-পেশি রোগ (মাসকুলার ডিস্ট্রোফি, SMA): চিকিৎসা, ট্রায়াল ও AI
এই সংখ্যার জন্য কোনো নতুন যোগ্য গবেষণাপত্র নেই।
মাল্টিপল স্ক্লেরোসিস: চিকিৎসা, ট্রায়াল ও এআই
এই সংখ্যার জন্য কোনো নতুন যোগ্য গবেষণাপত্র নেই।
NMOSD ও MOGAD: চিকিৎসা, ট্রায়াল ও এআই
এই সংখ্যার জন্য কোনো নতুন যোগ্য গবেষণাপত্র নেই।
মায়াস্থেনিয়া গ্র্যাভিস: চিকিৎসা, ট্রায়াল ও এআই
- সারসংক্ষেপ
পটভূমি: মায়াসথেনিয়া গ্র্যাভিস (MG)-এর গুরুতর তীব্রতাবৃদ্ধি, যার জন্য নিবিড় পরিচর্যা ইউনিট (ICU)-তে ভর্তি প্রয়োজন হয়, তা প্রাথমিক পর্যায়ে শনাক্ত করা এখনও চ্যালেঞ্জিং, কারণ রোগটি অত্যন্ত বৈচিত্র্যময়। বিদ্যমান মডেলগুলিতে ফেনোটাইপ স্তরবিন্যাস খুব কমই অন্তর্ভুক্ত করা হয়, যা ব্যাখ্যাযোগ্যতা ও ক্লিনিকাল উপযোগিতাকে সীমিত করে। লক্ষ্য: এই গবেষণার লক্ষ্য ছিল একটি ব্যাখ্যাযোগ্য মেশিন লার্নিং (ML) মডেল তৈরি করা, যা ফেনোটাইপ-নির্দিষ্ট ঝুঁকির কারণ মূল্যায়ন করবে এবং MG রোগীদের ICU-তে ভর্তির পূর্বাভাস দেবে। নকশা ও পদ্ধতি: এই পূর্ববর্তী (রেট্রোস্পেক্টিভ) গবেষণায় হাসপাতালে ভর্তি 319 জন MG রোগী অন্তর্ভুক্ত ছিলেন। ML মডেলিংয়ের জন্য আমরা ক্লিনিকাল চলক এবং সিস্টেমিক প্রদাহ মার্কার ব্যবহার করেছি। থাইমোমার অবস্থা এবং রোগের সূচনাকালীন বয়স অনুসারে উপগোষ্ঠীগুলি পূর্বনির্ধারিত ছিল। প্রাথমিক ফলাফল ছিল হাসপাতালে থাকাকালীন নিবিড় পরিচর্যার প্রয়োজনীয়তা। মডেলের কার্যকারিতা মূল্যায়ন করা হয়েছে। বৈশ্বিক ও স্বতন্ত্র বৈশিষ্ট্যের ব্যাখ্যার জন্য SHapley Additive exPlanations (SHAP) ব্যবহার করা হয়েছে। ফলাফল: 319টি ভর্তির মধ্যে 33টিতে (10.3%) ICU পরিচর্যার প্রয়োজন হয়েছে। নেস্টেড 3-ফোল্ড যাচাইকরণ সহ চারটি ML মডেল প্রশিক্ষিত হয়েছে। eXtreme Gradient Boosting সেরা ফল করেছে (AUC: 0.94)। SHAP অনুযায়ী MGFA ক্লিনিকাল শ্রেণিবিন্যাস, ভর্তিকালীন সংক্রমণ, বডি মাস ইনডেক্স এবং প্রদাহজনিত সূচকগুলি প্রধান ভবিষ্যদ্বাণীকারী হিসেবে স্থান পেয়েছে। উপগোষ্ঠী বিশ্লেষণে ফেনোটাইপ-নির্দিষ্ট প্যাটার্ন প্রকাশ পেয়েছে, যার মধ্যে রয়েছে থাইমোমা ও থাইমোমা-বিহীন গোষ্ঠীর মধ্যে প্রদাহ মার্কারের বিপরীতমুখী SHAP দিক এবং সূচনাকালীন বয়সের ভিন্ন গোষ্ঠীগুলির মধ্যে স্বতন্ত্র ক্রমবিন্যাস। SHAP-ভিত্তিক ব্যক্তিগতকৃত ব্যাখ্যায় ঝুঁকির ক্রম এবং ভবিষ্যদ্বাণীমূলক বৈশিষ্ট্যের দিকনির্দেশনায় রোগী-নির্দিষ্ট ভিন্নতা প্রকাশ পেয়েছে। মডেলটির রিয়েল-টাইম ক্লিনিকাল প্রয়োগে সহায়তার জন্য একটি ওয়েব-ভিত্তিক ক্যালকুলেটর তৈরি করা হয়েছে, যা সম্ভাব্যভাবে ঝুঁকি স্তরবিন্যাসে সহায়তা করতে পারে। উপসংহার: ক্লিনিকাল বৈশিষ্ট্যের সঙ্গে সিস্টেমিক প্রদাহ সূচক সমন্বিত একটি ব্যাখ্যাযোগ্য মেশিন লার্নিং কাঠামো MG-তে ICU ভর্তির নির্ভরযোগ্য পূর্বাভাস দেয় এবং ফেনোটাইপ-নির্দিষ্ট ঝুঁকির ধরন প্রকাশ করে, যা MG ব্যবস্থাপনায় ব্যক্তিগতকৃত ঝুঁকি স্তরবিন্যাস সম্ভব করে।
জার্নাল IF-সমতুল্য: 0.5 (OpenAlex 2-year mean citedness, মান 2026-10-13 অনুযায়ী, সংগৃহীত 2026-10-14; Clarivate-এর অফিসিয়াল IF নয়)রেফারেন্স: Chang CC, Lin KY, Yeh JH, Chiu HC, Liu TC, Lu CJ. মায়াস্থেনিয়া গ্রাভিসের রোগীদের ফেনোটাইপ ও প্রদাহজনিত মার্কারের ভিত্তিতে নিবিড় পরিচর্যার প্রয়োজনীয়তার ব্যক্তিনির্দিষ্ট মূল্যায়নের জন্য ব্যাখ্যাযোগ্য মেশিন লার্নিং মডেল। QJM: An International Journal of Medicine. 2026 Oct 12 [প্রকাশের আগে অনলাইনে]. doi:10.1093/qjmed/hcag289.যাচাই করা হয়েছে: শুধু সারসংক্ষেপ
মায়াস্থেনিয়া গ্র্যাভিসের 1টি গবেষণাপত্র সব দেখুন →
অটোইমিউন এনসেফালাইটিস, CIDP ও গিয়াঁ-বারে সিন্ড্রোম: চিকিৎসা, ট্রায়াল ও এআই
এই সংখ্যার জন্য কোনো নতুন যোগ্য গবেষণাপত্র নেই।