پیش‌بینی آلزایمر با کمک یک مدل مبتنی بر هوش مصنوعی

به گزارش قائم آنلاین، به نقل از ساینس‌دیلی، پژوهشگران “دانشگاه دوک”(Duke University) آمریکا، شکلی از هوش مصنوعی را طراحی کرده‌اند که می‌تواند با بررسی تصاویر شبکیه، بیماران مبتلا به آلزایمر را شناسایی کند. شاید این روش، روزی بتواند به یک ابزار پیش‌بینی بیماری تبدیل شود.

این نرم‌افزار رایانه‌ای جدید، ساختار شبکیه و عروق خونی را در تصاویر داخل چشم که با تغییرات شناختی در ارتباط هستند، مورد بررسی قرار می‌دهد.

یافته‌های این پژوهش نشان می‌دهند که تحلیل‌های یادگیری ماشینی از تصاویر شبکیه چشم، این قابلیت را دارد که روشی غیرتهاجمی را برای شناسایی بیماری آلزایمر در افراد دارای نشانه‌های این بیماری ارائه دهد.

دکتر “شارون فکرت” (Sharon Fekrat)، متخصص شبکیه “مرکز چشم دوک”(Duke Eye Center) گفت: تشخیص بیماری آلزایمر اغلب به آزمایش نشانه‌ها و شناخت وابسته است. انجام دادن آزمایش‌های بیشتر برای تایید تشخیص می‌تواند تهاجمی، پرهزینه و همراه با خطر باشد. داشتن روش‌هایی که بیشتر در دسترس قرار دارند، برای شناسایی آلزایمر می‌تواند از بسیاری جهات از جمله بهبود دقت تشخیص، امکان ورود به آزمایش‌های بالینی در ابتدای بیماری و برنامه‌ریزی برای تنظیم سبک زندگی کمک کند.

فکرت، عضو یک گروه بینارشته‌ای در دانشگاه دوک است که مهندسان رشته‌های عصب‌شناسی، مهندسی کامپیوتر و برق، آمار زیستی و بیوانفورماتیک را شامل می‌شود. این بررسی جدید، براساس پژوهش پیشین این گروه پژوهشی صورت گرفته که تغییر در تراکم رگ‌های خونی شبکیه را که با تغییر در شناخت مرتبط است، شناسایی کرد. پژوهشگران، کاهش تراکم شبکه مویرگی را در اطراف مرکز “لکه زرد” یا “ماکولا”(Macula) مشاهده کردند.

پژوهشگران براساس یافته‌های این پژوهش، یک مدل یادگیری ماشینی موسوم به “شبکه‌ عصبی پیچشی”(convolutional neural network) را با استفاده از چهار نوع اسکن شبکیه آموزش دادند تا تفاوت‌های تصاویر را تشخیص دهد.

اسکن‌ها مربوط به ۱۵۹ نفر بود که ۱۲۳ نفر آنها از نظر شناختی سالم بودند و ۳۶ نفر مبتلا به آلزایمر تشخیص داده شدند.

“الیس وایزلی”(Ellis Wisely)، از پژوهشگران این پروژه گفت: ما چندین روش متفاوت را شناسایی کردیم اما مدلی که بهترین عملکرد را دارد، تصاویر شبکیه را با داده‌های بالینی بیماران ادغام کرد. مدل شبکه‌ عصبی پیچشی ما توانست بیماران دارای نشانه‌های آلزایمر را از بیمارانی که از نظر شناختی سالم بودند، تفکیک کند.

وی افزود: این موضوع مهم است که گروه متنوع‌تری از بیماران را مورد بررسی قرار دهیم تا بتوانیم آلزایمر را علاوه بر افراد مبتلا به آب‌سیاه و دیابت، در همه گروه‌های نژادی پیش‌بینی کنیم.
“دیلراج گروال”(Dilraj Grewal)، از پژوهشگران این پروژه گفت: ما باور داریم که آموزش‌های بیشتر با تصاویر مربوط به یک گروه بزرگتر و متنوع‌تر می‌تواند عملکرد مدل را بهبود ببخشد.

وی افزود: پژوهش‌های بیشتر می‌توانند نشان دهند که چقدر عملکرد هوش مصنوعی در مقایسه با روش‌های کنونی تشخیص آلزایمر که پرهزینه و تهاجمی هستند، بهتر است.