تشخیص بیماری پارکینسون به وسیله هوش مصنوعی?

ردیابی سنسور های پوشیدنی، تصویربرداری از بیمار در حال انجام ورزش های روتین یا آزمایش دست خط بیمار، کدام یک برای تشخیص پارکینسون بهتر است؟

?محققان در Skoltech یک مطالعه مقایسه ای بر اساس یادگیری ماشین(Machine Learning) را دراین سه روش نظارتی مبتنی بر بیمار انجام دادند تا بفهمند کدام تکنیک بیشترین اطمینان را برای پزشکان و همچنین بیشترین راحتی و کمترین زمان را برای بیماران دارد.

این مطالعه در IEEE Transactions on Instrumentation and Measurement چاپ شده است.

?هوش مصنوعی به عنوان اهرمی برای حل مشکلات متعدد در سیستم بهداشت و درمان در نظر گرفته می‌شود، با این حال بزرگ ترین ویژگی آن، پتانسیل بالا در تشخیص و تعیین بهتر بیماری نسبت به انسان می‌باشد. پزشکان در حال حاضر بیماری پارکینسون را براساس ارزیابی علائم حرکتی بیمار، تاریخچه پزشکی و تندرستی فیزیکی و ذهنی انجام می‌دهند ولی علائم می‌توانند در افتراق از بیماری های نورولوژیک دیگر، سخت باشند.

بدون هیچ راه کامل درمان بیماری، تشخیص زودرس بیماری پارکینسون می‌تواند اثرات عمیقی بر گزینه های درمانی و همچنین کیفیت زندگی بیمار بگذارد. دانشمندان در حال بررسی نشانه های آشکار شروع بیماری هستند.

?تیمی از محققان Skoltech به رهبری استادیار Andrey Somov و دانشیار Dmitry Dylov الگوریتم‌های یادگیری ماشینی را برای تشخیص و اندازه‌گیری عینی علائم پارکینسون از طریق حسگرها طراحی کردند -شتاب‌سنج و ژیروسکوپ، ویدئو و تجزیه و تحلیل دست‌نویس. این مطالعه می‌تواند روزی به مردم در تشخیص و پاسخ آنها به درمان پزشکی کمک کند- به شرطی که آن ها دستگاه پوشیدنی مانند ردیاب تناسب اندام، وب‌کم، کامپیوتر و اتصال به اینترنت داشته باشند.

?دانشجوی Ph.D به نام Ekaterina Kovalenko از Skoltech می گوید:"ما داده‌های 120 نفر را جمع‌آوری کرده‌ایم - 35 نفر بدون پارکینسون و 85 نفر مبتلا به پارکینسون - با میانگین سنی 58 و نیم سال در حالی که آنها روی یک سری تکالیف حرکتی جلوی سه دوربین با استفاده از حسگرها کار می‌کردند. کارهایی که معمولاً حدود 15 دقیقه طول می کشد که شامل تا کردن یک حوله، پر کردن لیوان از آب، ضربه زدن با انگشت اشاره به انگشت شست و خواندن یک جمله پیچیده با صدای بلند، نوشتن آن و ترسیم یک مارپیچ می‌شد. این تمرینات تحت نظارت متخصصان مغز و اعصاب طراحی شده و از چندین منبع مختلف، از جمله مقیاس هایی که برای نظارت بر بیماری پارکینسون استفاده می شد و تحقیقات قبلی که در این زمینه انجام شده است بهره برده است. هر تمرین یک علامت هدف دارد که می تواند آن را آشکار کند."

?در ادامه دانشجوی Ph.D به نام Aleksei Shcherbak از Skoltech افزود:"همه افراد مبتلا به پارکینسون همه علائم بیماری را نشان نمی دهند، و ما سعی کردیم بفهمیم که آیا شناسایی می تواند به یک روش تشخیصی تنها تکیه کند: حسگر، دوربین یا دست خط. اگر چه تجزیه و تحلیل داده های حسگر بهترین نتایج را نشان داد، اما برای بیماران در مراحل بالاتر PD نامناسب است. اما بیمارانی که در مراحل ابتدایی تشخیص داده شده اند گزارش می دهند که حسگرهای پوشیدنی برای پوشیدن راحت هستند، به این معنی که در آینده نزدیک فناوری های پوشیدنی می توانند داده ها را به طور مداوم جمع آوری و ارزیابی کنند تا پیشرفت بیماری و خود بیماران را ردیابی کنند."

?از نظر راحتی برای بیماران، رویکرد "دست خط" بهترین روش است زیرا برای انجام ترسیم مارپیچ و گرفتن عکس آن، زمان زیادی نمی برد. تجزیه و تحلیل ویدئو نیز برای بیماران مناسب است و امیدوارکننده ترین است، زیرا تشخیص به وسیله آن می تواند در زمان واقعی بدون هیچ محدودیتی در حالی که بیمار در حال انجام تمرینات است رخ دهد.

?نویسنده همکار مقاله Dr. Ekaterina Bril می گوید:"ما در نظر داریم که به غیر از تشخیص های افتراقی، پزشکان به ابزارهای عینی برای ارزیابی نوسانات حرکتی در بیماران مبتلا به PD نیاز دارند. این ابزارهای ارزیابی شده می توانند رویکرد شخصی تری را برای درمان ارائه دهند و به پزشکان در تصمیم گیری در مورد درمان پزشکی و در صورت نیاز، مداخلات جراحی مغز و اعصاب کمک کنند."

✍️مترجم: آرش سلطانی

?منبع: IEEE Transactions on Instrumentation and Measurement

?تاریخ: May, 2022

#Artificial_Intelligence

#Machine_Learning

#Parkinson

#IEEE