کد خبر: ۳۱۴۱۵
تاریخ انتشار: ۲۱ تير ۱۴۰۱ - ۲۰:۱۸-12 July 2022
یک الگوریتم جدید یادگیری ماشینی قادر به تشخیص دقیق اختلالات شناختی با تجزیه و تحلیل صداهای ضبط شده است.
تشخیص بیماری آلزایمر به زمان و هزینه زیادی نیاز دارد. پس از انجام معاینات عصبی و روانشناختی حضوری طولانی مدت ، پزشکان باید پاسخ هر سوال را با جزئیات بررسی و تجزیه و تحلیل کنند.

اما محققان دانشگاه بوستون ابزار جدیدی را توسعه داده اند که می تواند فرآیند را خودکار انجام دهد. مدل محاسباتی مبتنی بر یادگیری ماشینی بدون نیاز به ملاقات حضوری، محققان می‌توانند اختلالات شناختی را از ضبط‌های صوتی تست‌های عصبی-روان‌شناختی تشخیص دهند. 

تشخیص سریع‌تر و زودتر آلزایمر می‌تواند آزمایش‌های بالینی بزرگ‌تری را فراهم آورد که بر روی افراد در مراحل اولیه بیماری تمرکز می‌کنند و به طور بالقوه مداخلات بالینی را ممکن می‌سازد. تا در نتيجه دمانس را کند کنند. «این یافته‌ها می‌توانند باعث شوند برمبنای یک ابزار آنلاین تعداد افرادی که زودهنگام غربالگری می شوند افزایش یابند»

تیم تحقیقاتی مدل خود را با استفاده از ضبط‌های صوتی مصاحبه‌های عصبی روان‌شناختی از بیش از ۱۰۰۰ نفر در مرکز مطالعه قلب فرامینگام، یک پروژه طولانی‌مدت تحت رهبری BU که به بیماری‌های قلبی عروقی و سایر مداخلات فیزیولوژیکی می‌پردازد، آموزش دادند.

با استفاده از ابزارهای خودکار تشخیص "گفتار آنلاین - فکر کنید"  «Hey, Google!» - و تکنیک یادگیری ماشینی به نام پردازش زبان طبیعی که به رایانه‌ها کمک می‌کند متن‌ها را بفهمند، آنها از برنامه خود خواستند مصاحبه‌ها را رونویسی کند و سپس آنها را به اعداد رمزگذاری کند.

مدل نهایی برای ارزیابی احتمال و شدت اختلال شناختی افراد با استفاده از داده‌های جمعیت‌شناختی، رمزگذاری‌های متنی و تشخیص‌های واقعی به متخصصان مغز و اعصاب و روان‌شناسان آموزش داده شد.

پاشالیدیس می‌گوید: این مدل نه تنها قادر به تشخیص دقیق افراد سالم و افراد مبتلا به دمانس است، بلکه می‌تواند تفاوت‌هایی را بین افراد دارای اختلال شناختی خفیف و دمانس را نیز تشخیص دهد. همچنین معلوم شد، کیفیت صدای ضبط‌ها و نحوه صحبت افراد - خواه صحبت‌هایشان تند یا دائماً متزلزل باشد - اهمیت کمتری نسبت به محتوای آنچه می‌گویند دارد.

این یافته‌ها ما را شگفت زده از اینکه  جریان گفتار یا سایر ویژگی های صوتی آنقدرها مهم نیستند کرد. پاشالیدیس، می‌گوید: «می‌توانید به‌طور خودکار مصاحبه‌ها را به خوبی رونویسی کنید، و به تحلیل متن از طریق هوش مصنوعی برای ارزیابی آسیب‌های شناختی تکیه کنید.

اگرچه این تیم هنوز باید نتایج خود را در برابر سایر منابع و داده ها تایید کند، یافته‌ها نشان می‌دهد که ابزار آنها می‌تواند به پزشکان در تشخیص اختلالات شناختی با استفاده از ضبط‌های صوتی، از جمله مواردی که از قرار ملاقات‌های مجازی یا از راه دور استفاده می‌شود، خیلی کمک کننده باشد.

غربالگری قبل از شروع علائم

این مدل همچنین بینشی را در مورد اینکه چه بخش‌هایی از معاینه عصب‌ روان‌شناختی ممکن است در تعیین اینکه آیا یک فرد دچار اختلال در شناخت است، که مهم‌تر از سایرین است، ارائه می‌کند. مدل محققان، رونوشت ها را بر اساس آزمایش های بالینی انجام شده به بخش های مختلف تقسیم می کند.

برای مثال، آن‌ها دریافتند که آزمایش نام‌گذاری بوستون - که طی آن پزشکان از افراد می‌خواهند با استفاده از یک کلمه، یک تصویر را برچسب‌گذاری کنند - برای تشخیص دقیق دمانس بسیار آموزنده است.

«این یافته‌ها ممکن است پزشکان را قادر سازد تا منابع را به گونه ای تخصیص دهند که به آنها امکان غربالگری بیشتری را حتی قبل از شروع علائم بدهد.

تشخیص زودهنگام دمانس نه تنها برای بیماران و مراقبان آنها مهم است تا بتوانند برنامه ای موثر برای درمان و حمایت ایجاد کنند، بلکه برای محققانی که روی درمان‌هایی برای کند کردن و جلوگیری از پیشرفت بیماری آلزایمر کار می کنند نیز بسیار مهم است.

پاشالیدیس می‌گوید: «مدل‌های ما می‌توانند به پزشکان کمک کنند تا بیماران را از نظر شانس دمانس ارزیابی کنند، و سپس با انجام آزمایش‌های بیشتر بر روی افرادی که احتمال دمانس بالاتری دارند، بهترین درمان و مداخلات را برای آنها تنظیم کنند.»

منبع: دانشگاه بوستون


کانال آگاهی از مغز

@brainawareness
https://neurosciencenews.com/machine-learning-alzheimers-21017/
نظر شما
نام:
ایمیل:
* نظر:
به روایت مذهبی ها
نظرسنجی
آیا گشت ارشاد در اهداف خود موفق بوده است؟
بله
خیر
آخرین اخبار
چشم انداز
پربازدیدترین
خبری-تحلیلی
اخلاق و عرفان
سیره علی بن ابیطالب(ع)
سیره رسول الله(ص)
تاریخ صدر اسلام
تاریخ معاصر
زمین
سلامت و تغذیه
نماز و احکام
کتاب و ادبیات
نظامی
کمپر و ون لایف
شیطان و گناهان
روشنفکری دینی
مرگ
آخرالزمان