ابوظبی، ۱۴ نوامبر ۲۰۲۶ (WAM) – دانشگاه هوش مصنوعی محمد بن زاید (MBZUAI) پژوهش‌هایی را با بهره‌گیری از هوش مصنوعی برای بهبود تشخیص زودهنگام دیابت پیش می‌برد که از رویکردهای نوآورانه برای شناسایی عوامل خطر و تحلیل شاخص‌های سلامت و ژنتیکی استفاده می‌کنند. به مناسبت روز جهانی دیابت که هر سال در 14 نوامبر برگزار می‌شود، پژوهشگران این دانشگاه بررسی می‌کنند که هوش مصنوعی چگونه می‌تواند نشانه‌های اولیه خطر دیابت را با داده‌هایی که روش‌های غربالگری متعارف ممکن است نادیده بگیرند شناسایی کند؛ موضوعی همسو با شعار امسال، «اقدام زودهنگام در برابر دیابت».

MBZUAI رهبری «پروژه فنوتیپ انسانی» (HPP) را در امارات بر عهده دارد؛ مطالعه‌ای طولی، رایگان و داوطلبانه در ابوظبی که شرکت‌کنندگان را تا 25 سال پیگیری می‌کند. این مطالعه که برای شهروندان و ساکنان امارات 18 تا 70 ساله آزاد است، بیش از 40 لایه از داده‌های سلامت از جمله اطلاعات ژنتیکی، نشانگرهای زیستی خون، تصویربرداری پزشکی، پایش مداوم قند خون و ردیابی خواب را ترکیب می‌کند و از جمعیت متنوع این کشور با بیش از 200 ملیت برای تعیین استانداردهای مرجع سلامت با در نظر گرفتن سن و قومیت بهره می‌برد. یافته‌های HPP نشان داد 40 درصد افرادی که سطح قند خون ناشتای آنان در ابتدا طبیعی به نظر می‌رسید، بعدها در جریان پایش مداوم مقادیری در محدوده پیش‌دیابت ثبت کردند.

داده‌های HPP همچنین از توسعه GluFormer پشتیبانی می‌کند؛ یک مدل پایه هوش مصنوعی که پژوهشگران MBZUAI و همکارانشان برای تحلیل نوسانات روزانه قند خون، به‌جای اتکای صرف به اندازه‌گیری‌های میانگین مانند آزمایش HbA1c، ساخته‌اند. GluFormer که در ژانویه 2026 در مجله Nature منتشر شد، با بیش از 10 میلیون اندازه‌گیری پایش مداوم قند خون از 10,812 شرکت‌کننده HPP آموزش دیده و تنها با داده‌های دو هفته می‌تواند الگوهای قند خون را شناسایی کند. نسخه چندوجهی آن که اطلاعات تغذیه‌ای را نیز در بر می‌گیرد، قادر است پاسخ قند خون افراد به غذاهای خاص را شبیه‌سازی کند.

ابتکار دیگری بر استعداد ژنتیکی ابتلا به دیابت نوع 2 از طریق امتیازهای خطر چندژنی (PRS) تمرکز دارد. این پروژه پنج‌ساله که از 2025 تا 2030 ادامه دارد، از مخزن 900,000 ژنوم برنامه ژنوم اماراتی و تشخیص‌های دیابت نوع 2 ثبت‌شده از طریق Malaffi، سامانه تبادل اطلاعات سلامت ابوظبی، بهره می‌گیرد تا یک PRS ویژه جمعیت اماراتی را توسعه داده و اعتبارسنجی کند و محدودیت‌های مدل‌های موجود را که عمدتاً بر پایه داده‌های ژنتیکی اروپایی ساخته شده‌اند برطرف سازد. این تیم همچنین یک مطالعه ارتباط ژنوم‌گستر انجام خواهد داد تا به پزشکان در شناسایی زودتر افراد پرخطر کمک کند.

پژوهش‌هایی به رهبری پروفسور عمران رزاق، دانشیار زیست‌شناسی محاسباتی در MBZUAI، پیوندهایی میان میکروب‌های دهان و تغییرات متابولیک مرتبط با دیابت را آشکار می‌کند. مدل‌های هوش مصنوعی مبتنی بر ویژگی‌های منتخب میکروبی دهان، افراد مبتلا به پیش‌دیابت را دقیق‌تر از مدل‌های مبتنی بر پروفایل کامل میکروبی تشخیص دادند. پژوهش‌های مرتبط نیز نشان داد مصرف میوه، سبزیجات و فیبر و همچنین الگوهای غذایی مدیترانه‌ای و گیاهی مبتنی بر غذاهای کامل با گونه‌ها و مسیرهای میکروبی خاصی مرتبط است.

پژوهشگران MBZUAI در حوزه نوظهور «اوکولومیکس» در حال توسعه سامانه‌های هوش مصنوعی هستند که می‌توانند نشانه‌های بیماری‌های سیستمیک را در تصاویر شبکیه شناسایی کنند. MBZUAI در یک نمایش پژوهشی با Cleveland Clinic Abu Dhabi در اکتبر 2025 نشان داد که اسکن چشم چگونه می‌تواند به شناسایی شاخص‌های اولیه مرتبط با دیابت، فشار خون بالا، بیماری آلزایمر و بیماری قلبی کمک کند. پروفسور جیانینگ چیو، استادیار پزشکی شخصی‌سازی‌شده، پژوهش درباره نشانگرهای زیستی شبکیه در اختلالات متابولیک و عروقی را رهبری می‌کند و تیم پروفسور رزاق تصویربرداری عروق شبکیه را با داده‌های نوار قلب (ECG) ترکیب می‌کند تا نشانه‌های اولیه نارسایی قلبی را شناسایی کند. این سامانه‌ها برای پشتیبانی از پزشکان طراحی شده‌اند، نه جایگزینی آنان.

این پژوهش‌ها بازتاب سرمایه‌گذاری گسترده امارات در فناوری سلامت است؛ حوزه سلامت از بخش‌های اولویت‌دار راهبرد ملی هوش مصنوعی امارات 2031 به شمار می‌رود و ابتکاراتی همچون برنامه ژنوم اماراتی و Malaffi زیرساخت‌های داده‌ای لازم برای شناسایی زودهنگام خطر بیماری را تقویت می‌کنند.

(منبع: WAM.ae)