Здоров'я

Учені виявили зміни в нейронних реакціях мозку в осіб, які повідомляли про відчуття самотності. Це може пояснювати зв’язок між низьким рівнем соціальних активності та потягом до шкідливої їжі, схильністю до ожиріння, харчових розладів та обсесій.

Про це інформує MedicalXpress із посиланням на результати дослідження в JAMA Network Open.

Науковці залучили до дослідження 93 здорові американки, середній вік яких становив 25,4 років. Поки учасницям давали переглядати зображення їжі (солодкої та солоної) та нехарчових продуктів, учені спостерігали за реакцією їхнього мозку на МРТ (магнітно-резонансній томографії).

Група, що мала менше соціальних зв’язків, демонструвала змінені реакції мозку на харчові сигнали в областях мережі пасивного режиму роботи мозку (у стані, коли людина бездіяльно відпочиває, марить наяву чи занурена в себе), лобно-тім’яній частині (відповідальній за виконання завдань і ухвалення рішень), а також у ділянці фільтрації візуальної інформації.

Це свідчить про те, що соціальна ізоляція – самотність – пов’язана зі зміною нейронної реакції на сигнали про їжу в певних областях мозку, які відповідають за відчуття апетиту. Також науковці виявили порушення контролю та мотивації як відповідь на зовнішні сигнали про їжу.

"Соціальна ізоляція може викликати потяг до їжі, подібний до потягу до соціальних зв’язків.

Ми демонструємо докази того факту, що наші соціальні зв’язки є ключовими для того, як ми споживаємо нездорову їжу, особливо висококалорійну, та солодощі", – говорить про результати дослідження старший автор роботи, доцент, директор Центру нейробіології стресу та стійкості імені Р. Оппенгеймера в Каліфорнійському університеті (США) Арпана Гупта.

Аналіз передбачав оцінку реакцій мозку на харчові сигнали, а також даних про склад тіла (відсоткове співвідношення води, жиру, м’язів та інших тканин організму) учасниць, харчову поведінку, про яку повідомили самі жінки, та стан психічного здоров’я.

Жінки з більшим відчуттям соціальної ізоляції повідомляли про вищий відсоток жирової маси, нижчу якість раціону, симптоми розладів харчової поведінки та погане психологічне здоров’я.

Відтак відчуття соціальної ізоляції пов’язують із негативними наслідками для здоров’я, зокрема підвищеним ризиком зміни харчової поведінки, ожирінням та психологічними розладами. Однак нейронні механізми, що лежать в основі цього зв’язку, наразі невідомі.

Раніше ми писали про те, чому люди схильні до переїдання та як впоратися зі шкідливими харчовими звичками.

Невисокий рівень стимуляції мозку під час виконання рутинної роботи може стати передумовою до погіршення когнітивних здібностей і навіть виникнення деменції з віком.

Про це свідчать результати дослідження, опублікованого в журналі Neurology, пише CNN.

Учені виявили, що люди, які здебільшого виконували рутинну роботу, мали на 66% більший ризик виникнення когнітивних порушень та 37% – розвитку деменції.

"Наші результати показують цінність професії, яка вимагає складнішого мислення як способу збереження пам’яті в старості. Робочі завдання справді важливі для зміцнення когнітивного здоров’я", – заявила авторка дослідження, докторка Тріне Едвін.

У дослідженні вчені проаналізували дані про стан здоров’я та професійну діяльність 7000 норвежців, за якими спостерігали з 30 років до виходу на пенсію в 60 років.

Науковці класифікували когнітивні потреби 305 професій на 4 категорії залежно від складності.

ЧИТАЙТЕ ТАКОЖ :

Вчені виростили "мінімізки", щоб дослідити зв'язок між черепно-мозковими травмами і деменцією

Рутинна робота, яка не була класифікована як "когнітивно-захисна", часто включала повторювані фізичні та розумові завдання, як це типово для фабричної роботи та бухгалтерії.

Більшість людей на звичайних роботах включали домробітниць, сторожів, будівельників і листонош.

Більш вимоглива робота не ґрунтувалася на рутинних завданнях, хоча інколи вимагала їхнього повторення.

Щоденні обов’язки частіше включають творче мислення, аналіз, вирішення проблем і пояснення ідей та інформації іншим. Навички міжособистісного спілкування, як-от коучинг або мотивація інших, також необхідні для цих типів розумово стимулюючих робіт.

"У цій групі були юристи, лікарі, бухгалтери, технічні інженери та люди на державній службі, але найпоширенішою професією було викладання. Вчителі багато спілкуються з учнями та батьками, їм доводиться пояснювати та аналізувати інформацію. Це не так орієнтовано на рутину", – пояснила науковця.

ЧИТАЙТЕ ТАКОЖ :

Вчені виявили новий метод поширення хвороби Альцгеймера між людьми

Багато людей, які брали участь у дослідженні, залишалися на роботах з однаковим ступенем складності протягом свого трудового життя.

Ця послідовність була сильною стороною дослідження, оскільки вона дозволила науковцям вивчити вплив різних типів роботи на людей з віком.

"Подібно до того, як ми можемо використовувати фізичні вправи для росту та підтримки наших м’язів, тренування нашого мозку за допомогою більш захоплюючих робочих завдань і постійного колегіального спілкування, здається, також допомагає запобігти деменції", – додав директор з досліджень Інституту нейродегенеративних захворювань у Флориді доктор Річард Айзексон, який не брав участі у дослідженні.

У підсумку науковці наголошують, що людям із ризиком розвитку хвороби Альцгеймера було б корисно вивчати нові робочі завдання та вдосконалювати свої професійні навички. Вони сподіваються, що подальші дослідження допоможуть з’ясувати, які саме види діяльності мають найбільші переваги для здоров’я мозку.

Дослідники з Кембриджського університету навчили штучний інтелект шукати сполуки, що блокують спеціальний білок-маркер хвороби Паркінсона.

Завдяки цьому вчені прискорили початковий процес скринінгу в 10 разів і знизити його вартість у тисячу разів, йдеться у дослідженні, опублікованому в журналі Nature Chemical Biology, пише MedicalXpress.

Хвороба Паркінсона є неврологічним захворюванням, яке розвивається найшвидше. Наразі на неї нездужає понад 6 мільйонів людей у ​​всьому світі. Науковці прогнозують, що до 2040 року кількість пацієнтів потроїться.

Недуга виникає через некоректну роботу білків альфа-синуклеїнів. Їхнє руйнування спричиняє загибель нервових клітин. А якщо ці білки неправильно згортаються, утворюються аномальні кластери – так звані тільця Леві. Їхнє накопичення в клітинах мозку перешкоджає його повноцінній роботі.

"Один із шляхів пошуку потенційних методів лікування хвороби Паркінсона вимагає ідентифікації невеликих молекул, які можуть пригнічувати агрегацію білка альфа-синуклеїну. Але це надзвичайно трудомісткий процес, бо пошук речовини для подальших досліджень може займати роки", – сказав керівник дослідження, професор Мікеле Вендрусколо.

ЧИТАЙТЕ ТАКОЖ :

Ліки від діабету можуть уповільнити прогресування хвороби Паркінсона – дослідження

І хоч науковці не полишають спроб знайти ліки проти хвороби Паркінсона та проводять усе нові клінічні дослідження, наразі жоден препарат не є затвердженим.

Вчені також тривалий час не могли визначити методи для пошуку правильних молекулярних мішеней і взаємодії з ними.

Команда з Кембриджа розробила метод машинного навчання, завдяки якому штучний інтелект з мільйона записів у хімічній бібліотеці виявив п'ять сполук, які блокують злипання або агрегацію білка альфа-синуклеїну, що характеризує хворобу Паркінсона.

"Використовуючи дані початкового скринінгу, ми змогли навчити ШІ ідентифікувати конкретні області на цих малих молекулах, відповідальних за зв’язування, а потім можемо повторно перевірити та знайти молекули, які підходять найбільше", – додав професор Вендрусколо.

Так науковцям вдалось набагато швидше розробити мішені для препаратів, створити більш дієві сполуки і при тому скоротити витратити на цей процес. Науковці підкреслюють, що завдяки цьому можуть розпочати роботу над кількома програмами відкриття ліків замість однієї.

Нагадаємо, нещодавно вчені також розробили алгоритм ШІ, який визначає походження ракових метастазів.

Вчені навчили штучний інтелект ідентифікувати джерело онкології. Дослідження свідчать, що цей інструмент здатний встановлювати походження ракових клітин в організмі більш ефективно, ніж лікарі.

Як повідомляє Springer Nature, дослідники з Медичного університету Тяньцзіну (КНР) розробили алгоритм аналізу зображень ракових клітин і прогнозування їхнього походження. Результати їхньої роботи були опубліковані в Nature Medicine.

Для більш ефективного лікування метастатичної онкології лікарі мають розуміти походження шкідливих клітин. Один із методів дослідження цього полягає у визначенні схожості клітин метастазів із відкладених рідин (у легенях чи черевній порожнині) із раковими клітинами певного типу. Наприклад, при міграції в легені клітини раку молочної залози зберігають свій вигляд – це допомагає зрозуміти природу метастазів.

У 5% випадків медичним працівникам не вдається визначити джерело, що дуже ускладнює лікування онкохворих на останніх стадіях раку.

Модель штучного інтелекту навчали на близько 30 тисячах зображень клітин з рідин організмів 21 тисячі людей. Згодом науковці перевірили точність алгоритму на 27 тисячах зображень.

Результати показали, що ймовірність того, що серед трьох найбільш вірогідних джерел метастазів ШІ вкаже на його реальне походження, становить 99%. Перше припущення алгоритму було правильним у 83% випадків.

ЧИТАЙТЕ ТАКОЖ :

Хвороба, яка може початися з родимки. Що таке меланома та як вона лікується

Прогнози ШІ обмежувалися 12 поширеними джерелами раку, зокрема онкологією легень, яєчників, грудей та шлунка. Деякі інші форми захворювання, зокрема рак передміхурової залози та нирок, неможливо ідентифікувати, оскільки вони зазвичай не поширюються на рідини в черевній порожнині та легенях.

Під час тестування майже 500 зображень результати аналізу моделі ШІ були кращими, ніж спеціаліста-людини.

Дослідники також ретроспективно оцінили підгрупу учасників дослідження – приблизно через чотири роки після того, як вони пройшли курс лікування раку. Виявилося, що особи, які отримували лікування від типу раку, встановленого алгоритмом, виживали з більшою ймовірністю, а тривалість їхнього життя була довшою, ніж хворих, лікування яких не ґрунтувалось на оцінках ШІ.

Махмуд Фейсал, який випробував ШІ для визначення походження раку в Гарвардській медичній школі (США), вважає, що додатковий аналіз клітин за допомогою алгоритму може сприяти зменшенню кількості додаткових тестів, необхідних для визначення походження метастазів.

Раніше науковці вже використовування штучний інтелект для прогнозування походження раку за зразками тканин та гемоними даними. За словами автора дослідження, поєднання трьох джерел інформації про ракові клітини може зробити прогнози ще більш точними.