זיהוי גורמים המגנים מפני מיגרנה (מתוך הכנס השנתי ה-58 מטעם ה-American Headache Society)

מנתונים חדשים שהוצגו במהלך הכנס השנתי ה-58 מטעם ה-American Headache Society עולה כי חלק מהטריגרים הנפוצים למיגרנה עשויים למעשה לספק הגנה בחלק מהחולים במצבים מסוימים.

לצורך המחקר 284 חולים תיעדו את פרטי התפקי מיגרנה ביומן אלקטרוני במהלך 90 ימים. החוקרים התבססו על מנוע אנליטי להערכת הקשר בין גורמים חשודים ובין התקפי מיגרנה. מטרת פלטפורמת הנתונים למיגרנה נועדה להתמקד בשיפור תוצאים פרטניים באוכלוסיות חולים מגוונות.

בשלב הראשון החוקרים יישמו טכנולוגיה אנליטית המודדת את תגובת המטופלים למגוון רחב של גורמים רפואיים, סביבתיים, תזונתיים, רגשיים ואחרים. הם מתבססים על מכשירי טלפון חכמים ככלי הכנסת נתונים לאיסוף נתונים יומיים אודות תסמיני המחלה וחשיפה או העדר חשיפה למגוון גורמים. לאחר מכן הם מפתחים לכל מטופל “מפת טריגרים”, “מפת גורמים מגנים”, וגם “מפת גורמים לא קשורים”.

מתוצאות העבודה עולה כי טריגרים נפוצים שנקשרו עם התקפי מיגרנה, למעשה אינם מאוד נפוצים. חלק מהגורמים המגנים הנפוצים שזיהו החוקרים (דוגמת איכות שינה טובה, הרפיה ואושר) לא הפתיעו אותם. הם כן הופתעו לגלות כי יין אדום ושוקולד, שבמשך עשרות שנים נחשבו לטריגרים למיגרנה, בשכיחות גבוהה יותר סיפקו הגנה בחולים אלו. מכאן עלה כי בחלק מהנסיבות, טריגר של מטופל תלוי בסיטואציה. גורמים מגנים אחרים להם לא-ציפו החוקרים כללו פעילות גופנית, קפאין ונסיעות.

הממצא המשמעותי ביותר נגע להטרוגניות בין מטופלים, כאשר על-בסיס הממצאים, למרבית החולים עם מיגרנה יש פרופיל ייחודי.

חולים יכולים להוריד אפליקציה אותה יכולים להתאים באופן אישי לעצמם ולאחר שהמערכת אוספת די נתונים (לאחר הכנסת נתונים במהלך כ-90 ימים), ניתן לערוך ניתוח סטטיסטי ולזהות גורמים המשמשים כטריגר, גורמים מגנים וגורמים שאינם קשורים עם התקפי מיגרנה ולספק דו”ח אישי.

מתוך הכנס השנתי ה-58 מטעם ה-American Headache Society

לידיעה במדסקייפ

הערת מערכת: המחקר מוצג גם בהתמחויות שאינן קשורות ישירות לטיפול במיגרנה בשל הגישה המעניינת של איתור גורמים לסימפטומים/תחלואה שעשוי אולי לשמש גם באינדיקציות אחרות.

תגובות רוצה להצטרף לדיון?

אין תגובות עדיין. היה הראשון להגיב!

מאמרים

חיזוי התפתחות שפה בילדים לאחר השתלת שבלול באמצעות AI

חיזוי התפתחות שפה בילדים לאחר השתלת שבלול באמצעות AI

מקור: JAMA Otolaryngology–Head & Neck Surgery
פרופ' יוסף אלידן
פרופ' יוסף אלידן
אין תגובות|11/01/2026

אפילו ששתל שבלול הוא הטיפול היעיל ביותר לחירשות עמוקה בילדים, קיים שוני רב בתוצאות השפתיות. המחקר נועד לבדוק אם מודל בינה מלאכותית (Deep Learning) יכול לנבא את ההצלחה השפתית על בסיס הדמיה טרום־ניתוחית.

כניסת צוות רפואי

הכניסה לאתר מותרת אך ורק לצוות הרפואי

לקבלת קוד אימות לנייד ולמייל, יש למלא את כתובת המייל ואת מספר הטלפון שלך

עדיין לא נרשמת? באפשרותך לבצע רישום כאן