محققان با ادغام یک روش تشخیص طبی مبتنی بر نانوذرات با عینک گوگل، موفق به ایجاد برنامه کاربردی برای تشخیص بیماری و تحلیل روند بیماری شدند.
به گزارش سرویس علمی ایسنا، ترکیب ادوات الکترونیکی با تجهیزات تصویربرداری میتواند منجر به ساخت دستگاه‌های تشخیص طبی شود.
آیدوگان اوزجان از موسسه نانوسیستم کالیفرنیا چندی قبل مقاله‌ای با عنوان use of smartphones to detect single nanoparticles and viruses در این باره منتشر کرد که در آن جزئیات مربوط به ساخت میکروسکوپ فلورسانس قابل حمل درج شده بود. این میکروسکوپ امکان نصب روی تلفن‌های هوشمند را دارا بوده و می‌توان با استفاده از آن از نانوذرات و ویروس‌ها تصویر برداری کرد.
این گروه تحقیقاتی اخیرا سیستم جدیدی برای عینک گوگل طراحی کرده که می‌توان از آن برای تشخیص برخی بیماری‌ها استفاده کرد.
اوزجان می‌گوید این فناوری به کاربران عینک گوگل اجازه می‌دهد تا تصاویر گرفته شده از تست‌های تشخیص طبی را ارسال کنند. بدون نیاز به هر گونه تجهیز جانبی، عینک گوگل میتواند تصاویر را آپلود کرده و آنالیز دقیق این تصاویر را در کمتر از 8 ثانیه دریافت کند.
این اولین برنامه زیست پزشکی است که روی عینک گوگل نصب می‌شود. این دستاورد جدید از ادغام مزایای فناوری تست‌های تشخیص طبی سریع ایمنوکروماتوگرافیک (RDTs) و کامپیوترهای قابل حمل (نظیر عینک گوگل) بدست آمده است.
نتایج این پژوهش در قالب مقاله‌ای با عنوان Immunochromatographic Diagnostic Test Analysis Using Google Glass در نشریه ACS Nano به چاپ رسیده است.
در طول، چند دهه گذشته تست‌های RDTs رشد چشمگیری داشته‌اند. این تست‌ها مبتنی بر خواص پراش نور نانوذرات فلزی هستند که برای تشخیص بیماری‌های مختلف از آنها استفاده می‌شود. مکانیسم کار این برنامه این گونه است که دوربین عینک گوگل تصویر مورد نظر را می‌گیرد و با استفاده از یک شناساگر کد پاسخ صحیح (QR) که به دستگاه RTD متصل است نوع تست مورد نظر را شناسایی می‌کند.
اطلاعات به یک سرور مرکزی ارسال شده و نتیجه تحلیل به سرعت به دست کاربر می‌رسد.
اوزجان می‌گوید ما بانک اطلاعاتی و یک سطح تماس اینترنتی برای مشاهده اطلاعات ایجاد کردیم. این بانک به کاربران اجازه می‌دهد تا نتایج تست‌ها را مشاهده کرده و شرایط بیماری و نحوه گسترش آن را رصد کنند.
این گروه از این دستگاه برای ارزیابی بیماری ایدز و آنتی‌ژن ویژه پروستات استفاده کردند. آنها 400 تصویر از این دو بیماری گرفته و با استفاده از این سیستم موفق به تحلیل تصاویر شدند.
