ابزار نوینی از هوش مصنوعی که توسط پژوهشگران کلینیک مایو توسعه یافته، توانسته است گام بلندی در مسیر تشخیص انواع مختلف زوال عقل بردارد. این سامانه که StateViewer نام دارد، قادر است تنها با استفاده از یک تصویر حاصل از اسکن مغز، ۹ نوع مختلف از دمانس را با دقتی معادل ۸۸ درصد تشخیص دهد. نکته حائز اهمیت اینجاست که تشخیص بر مبنای تحلیل نقشههای رنگی فعالیت مغز صورت میگیرد؛ روشی که امکان درک بصری و سادهتر بیماری را حتی برای پزشکان عمومی فراهم میسازد. این ابزار با هدف ارتقای سرعت و دقت فرآیند تشخیص طراحی شده و بنا به گزارش منتشرشده، عملکرد آن در مقایسه با روشهای مرسوم، دو برابر سریعتر و تا سه برابر دقیقتر ارزیابی شده است. در این چارچوب، StateViewer به عنوان ابزاری بالقوه برای تحول در تشخیص زوال عقل مطرح شده که میتواند دسترسی گستردهتری به ارزیابیهای تخصصی فراهم کند.
به گزارش رسانه اخبار فناوری تک فاکس، این سیستم با بهرهگیری از فناوری یادگیری ماشین، تحلیل خود را بر پایه اسکنهای توموگرافی گسیل پوزیترون فلوئورودئوکسی گلوکز (FDG-PET) انجام میدهد. این نوع اسکن فعالیت مغز را از طریق میزان مصرف گلوکز – که شاخصی کلیدی برای فعالیت عصبی است – مورد بررسی قرار میدهد. پس از تحلیل، نتایج با بانک اطلاعاتی وسیعی از اسکنهای تأییدشده بیماران دچار زوال عقل مقایسه میشود. الگوریتمهای هوشمند به کار رفته در این ابزار، الگوهای اختصاصی مرتبط با هر نوع از دمانس را استخراج میکنند؛ الگویی که حتی میتواند مرزهای بین بیماریهایی همچون آلزایمر، زوال عقل اجسام لویی و زوال عقل پیشانی-گیجگاهی را با دقت بالایی شناسایی کند. نکته برجسته، توانایی ابزار در تشخیص بیماریهایی است که نمودهای آنها با هم همپوشانی دارد و اغلب برای پزشکان حتی مجرب نیز چالشبرانگیز است.
زوال عقل اجسام لویی به عنوان یکی از رایجترین انواع دمانس، در دستهبندیهای StateViewer گنجانده شده است. این بیماری بهطور خاص نواحی مربوط به توجه، حرکت و عملکردهای خودکار بدن را هدف قرار میدهد و برخلاف تصور رایج، لزوماً با اختلال حافظه آغاز نمیشود. شدت یافتن علائم با گذشت زمان، آن را در ردیف دمانسهای پیشرونده مانند آلزایمر قرار میدهد. در سوی دیگر، زوال عقل پیشانی-گیجگاهی تأثیر عمدهای بر رفتار و زبان میگذارد و در قالب زیرگروههایی چون سندرم رفتاری، زبانپریشی بیانی، و همچنین موارد نادرتری مانند بیماری انکلوزیون رشتههای میانی عصبی و بیماری انکلوزیون اجسام بازوفیلیک نمایان میشود. توانایی StateViewer در تمایز این اشکال، بیانگر پتانسیل گسترده آن در تسهیل تشخیصهای بالینی دقیق است.
ویژگی شاخص دیگر این ابزار، امکان تجسم دادههای تحلیلی بهصورت نقشههای مغزی رنگی است. این قابلیت به پزشکان عمومی و حتی غیرمتخصص در حوزه مغز و اعصاب اجازه میدهد تا با نگاهی بصری، الگوهای غیرطبیعی فعالیت مغز را شناسایی کنند. به گفته دکتر دیوید جونز، متخصص مغز و اعصاب و سرپرست پروژه، ابزار StateViewer نتیجه مستقیم تعهد به یافتن پاسخهای شفافتر در برابر پیچیدگیهای مغز انسان است. او میگوید هر بیمار داستان مغزی منحصربهفردی دارد و چنین پیچیدگیهایی نیازمند فناوریهایی است که توان تفسیر سریع و دقیق آنها را داشته باشند. او ابزار مذکور را گامی رو به جلو در جهت تشخیص زودهنگام، درمان هدفمندتر و حتی در آینده تغییر مسیر پیشرفت بیماریها میداند.
در حال حاضر، بیش از ۵۵ میلیون نفر در سراسر جهان با دمانس زندگی میکنند و سالانه ۱۰ میلیون مورد جدید شناسایی میشود. آلزایمر بهتنهایی پنجمین علت مرگ و میر جهانی است. این آمار، ضرورت تشخیص زودهنگام و دقیق را دوچندان میکند؛ تشخیصی که در حال حاضر نیازمند مجموعهای از آزمایشها، تصویربرداریها، ارزیابیهای شناختی و نظرات تخصصی است. با این حال، ابزار StateViewer میتواند به کاهش این وابستگی کمک کند و امکان ارزیابی سریعتری را فراهم آورد. دکتر جونز در این مسیر با لیلاند بارنارد، مهندس هوش مصنوعی و طراح اصلی این ابزار، همکاری نزدیک داشته است. بارنارد تأکید میکند که در طراحی این سیستم، همواره به یاد داشتهاند که در پس هر اسکن و نقطه داده، انسانی واقعی با نگرانیها و نیازهای فوری قرار دارد.
به گفته بارنارد، توانایی ارائه بینشهای فوری و دقیق به پزشکان، یکی از ویژگیهای تحولآفرین این ابزار است که قدرت یادگیری ماشین در خدمت پزشکی بالینی را بهروشنی نشان میدهد. پژوهشگران کلینیک مایو در حال حاضر در تلاشند تا استفاده از StateViewer را به محیطهای بالینی متنوعتری گسترش دهند و عملکرد آن را در شرایط واقعی ارزیابی کنند. در صورت موفقیتآمیز بودن این روند، میتوان انتظار داشت که این ابزار بهعنوان پشتیبانی مهمی در مسیر مداخلات زودهنگام، تصمیمگیریهای درمانی بهتر و در نهایت بهبود کیفیت زندگی بیماران مبتلا به زوال عقل، نقشی اساسی ایفا کند.
ارسال پاسخ