استفاده از هوش مصنوعی برای تشخیص بیماری پارکینسون با ردیابی الگو‌های تنفسی

هوش مصنوعی با ردیابی الگو های تنفسی شما بیماری پارکینسون را تشخیص می دهد.

به گزارش باشگاه خبرنگاران به نقل از نیواطلس، مطالعه جدید قانع کننده نشان می دهد که بیماری پارکینسون را میتوان با ردیابی از راه دور الگو های تنفسی افراد تشخیص داد.

این مطالعه که توسط محققان MIT هدایت می شود، یک سیستم هوش مصنوعی (Artificial Intelligence) را ارائه می دهد که از امواج رادیویی برای نظارت بر تنفس در هنگام خواب استفاده می کند.

دینا کاتبی، محقق اصلی این تحقیق جدید، گفت: این مطالعه با الهام از مشاهدات ۲۰۰ ساله جیمز پارکینسون، اولین پزشکی که به صورت بالینی علائم بیماری دژنراتیو عصبی را فهرست بندی کرد، انجام شده است.

کاتبی توضیح داد که رابطه بین پارکینسون و تنفس در اوایل سال ۱۸۱۷ در کار دکتر جیمز پارکینسون ذکر شد. همین یافته باعث شد، تا پتانسیل تشخیص بیماری را از طریق تنفس بدون نگاه کردن به حرکات در نظر بگیریم.

بعضی از مطالعات پزشکی نشان داده اند که علائم تنفسی سال ها قبل از علائم حرکتی ظاهر میشوند، به این معنی که ویژگی های تنفسی میتواند برای ارزیابی خطر قبل از تشخیص پارکینسون امیدوارکننده باشد.

نخستین گام آموزش یک شبکه عصبی بر روی مجموعه داده های عظیم تنفس شبانه بود. تقریباً ۱۲۰۰۰ شب الگوی تنفس از ۷۵۷ بیمار مبتلا به پارکینسون و حدود ۷۰۰۰ فرد سالم مورد بررسی قرار گرفت.

با آزمایش مدل هوش مصنوعی بر روی یک مجموعه داده مستقل، توانستیم بیماران پارکینسون را با دقت ۸۶ درصد فقط از یک شب داده تشخیص دهیم.

به طور متوسط، این مطالعه نشان داد که ۱۲ شب ردیابی متوالی میتواند به حدود ۹۵ درصد دقت در تشخیص پارکینسون برسد.

جالب تر از آن، پتانسیل این سیستم برای تشخیص بیماری پارکینسون (Parkinson's Disease) قبل از ظهور علائم حرکتی است.

مجموعه داده مورد مطالعه شامل داده های افراد قبل و بعد از تشخیص پارکینسون بود.

دو دوره خواب تقریبا شش سال از هم فاصله داشتند و مدل هوش مصنوعی می توانست پارکینسون را در گروهی که تشخیص داده نشده بود با دقت ۷۵ درصد از نخستین مجموعه داده های خواب پیش بینی کند، قبل از اینکه بیمار به پارکینسون تشخیص داده شود.

محققان در این مطالعه می نویسند: در حال حاضر، تشخیص PD بر اساس وجود علائم حرکتی بالینی است که تخمین زده می شود پس از انحطاط ۵۰ تا ۸۰ درصد نورون های دوپامینرژیک ایجاد شود.

سیستم ما شواهد اولیه ای را نشان می دهد که بطور بالقوه میتواند ارزیابی خطر را قبل از علایم حرکتی بالینی ارائه دهد.

البته برای تایید این سیستم به عنوان یک ابزار تشخیصی اولیه به کار بیشتری نیاز است، اما استفاده فوري تر میتواند در ردیابی پیشرفت بیماری باشد.

سایر داده های تجزیه وتحلیل شده در این مطالعه نشان داد که مدل هوش مصنوعی میتواند بیمار پارکینسون را در طول ۱۲ ماه ردیابی کند و تغییرات در الگو های تنفسی را با افزایش شدت بیماری مرتبط کند.

به گفته کاتبی، این مطلب می تواند در زمینه های مختلفی کاربرد داشته باشد، از بهبود مراقبت های بالینی برای بیمارانی که در محیط های دور زندگی می کنند تا کمک به محققان در ارزیابی اثربخشی درمان های دارویی جدید در آزمایش های بالینی.

کاتبی گفت:از نظر توسعه دارو، نتایج می تواند آزمایش های بالینی را با مدت زمان بسیار کوتاه تر و شرکت کنندگان کم تر امکان پذیر کند و در نهایت توسعه درمانهای جدید را تسریع کند.

از نظر مراقبت های بالینی، این رویکرد می تواند به ارزیابی بیماران پارکینسون در جوامع سنتی کمک کند، از جمله کسانی که در مناطق روستایی زندگی می کنند و کسانی که به دلیل محدودیت حرکتی یا اختلالات شناختی در ترک خانه مشکل دارند.

این روز های اولیه است، ولی محققان قبلاً یک دستگاه دیواری ساخته اند که می تواند برای نظارت بر بیماران در خانه استفاده شود.

در نهایت این نوع دستگاه می تواند به عنوان یک سیستم هشدار اولیه برای افرادی که در معرض خطر بالاتر از حد متوسط ​​​​ابتلا به پارکینسون هستند یا بیمارانی که در مراحل اولیه هستند که مایل به نظارت دقیق بر پیشرفت بیماری خود هستند، عمل کند.

محققان می گویند: ما تصور می کنیم این سیستم در نهایت می تواند در خانه های بیماران PD و افرادی که در معرض خطر بالای PD هستند (به عنوان مثال، افرادی که دارای جهش ژن LRRK۲ هستند) مستقر شود تا بطور غیر فعال وضعیت آنها را نظارت کند و به ارائه دهنده آن ها بازخورد ارائه کند.

اگر این مدل بتواند، شدت را در بیماران PD یا تبدیل به PD در افراد در معرض خطر تشخیص دهد، پزشک میتواند با بیمار پیگیری کند تا نتایج را از طریق بهداشت از راه دور یا بازدید از کلینیک تائید کند.

مطالعه جدید در Nature Medicine منتشر شده است.