محققان با تجزیه و تحلیل اطلاعات بدست آمده از آزمایشهای MRI روی تقریباً 8000 کودک، نشانگرهای زیستی اختلال نقص توجه/بیشفعالی (ADHD) و نقش احتمالی تصویربرداری عصبی از یادگیری ماشینی را برای کمک به تشخیص قطعی و برنامهریزی درمان بر این اختلال شناسایی کردهاند.
به گزارش تکناک، نتایج این پژوهش جدید اخیرا در نشست سالانه انجمن رادیولوژی آمریکای شمالی (RSNA) ارائه شده است.
با توجه به برآورد مراکز کنترل و پیشگیری از بیماری ها، ADHD یکی از شایع ترین اختلالات عصبی رشدی در دوران کودکی است که تقریباً 6 میلیون کودک آمریکایی بین سنین 3 تا 17 سال را تحت تأثیر قرار می دهد.
کودکان مبتلا به این اختلال ممکن است در توجه و کنترل رفتارهای تکانشی مشکل داشته باشند یا بیش از حد فعال باشند. این اطلاعات دست آمده ، براساس به چک لیستی است که توسط والدین کودک برای ارزیابی علائم ADHD تکمیل شده است.
هوانگ لین، یکی از نویسندگان این پژوهش، گفت: برای تشخیص کارآمدتر و قابل اعتمادتر نیاز به روش های تشخیصی واضح تری است. علائم ADHD اغلب تشخیص داده نمی شوند یا به اشتباه تشخیص داده می شوند زیرا ارزیابی برای تشخیص این اختلال،یک تشخیص ذهنی است.
محققان از داده های MRI حاصل از مطالعه رشد شناختی مغز نوجوانان (ABCD) ّرای تشخیص بیش فعالی استفاده کردند که بزرگترین مطالعه بلندمدت رشد مغز و سلامت کودک در ایالات متحده است. مطالعه ABCD شامل 11878 کودک 9 تا 10 ساله از 21 مرکز در سراسر ایالات متحده برای نشان دادن تنوع اجتماعی جمعیت شناختی در ایالات متحده است.
در بیماران مبتلا به ADHD. کودکان مبتلا به ADHD حجم قشر کمتری دارند، به ویژه در لوب گیجگاهی و پیشانی.
لین گفت: جمعیت مورد مطالعه گروه ما منعکس کننده جمعیت ایالات متحده است و نتایج ما را از نظر بالینی برای جمعیت عمومی قابل استفاده می کند.
گروه کودک مورد مطالعه لین برای تشخیص بیش فعالی شامل 7805 بیمار، از جمله 1798 بیمار مبتلا به ADHD بود، که همه آنها تحت اسکن MRI ساختاری و MRI عملکردی، در حالت استراحت قرار گرفتند. محققان تجزیه و تحلیل آماری داده های تصویربرداری را برای تعیین ارتباط ADHD با معیارهای تصویربرداری عصبی از جمله حجم مغز، مساحت سطح، یکپارچگی ماده سفید و اتصال عملکردی انجام دادند.
لین گفت: تقریباً ما در تمام مناطق مغزی که بررسی کردیم، تغییراتی پیدا کردیم. فراگیری این بیماری در سراسر مغز شگفت آور بود زیرا بسیاری از مطالعات قبلی تغییرات را در مناطقی انتخابی در مغز شناسایی کرده بودند.
در بیماران مبتلا به ADHD، محققان مجموعه اتصال غیرطبیعی در شبکه های مغزی درگیر در پردازش حافظه و پردازش شنوایی، نازک شدن قشر مغز و تغییرات میکروساختاری ماده سفید قابل توجهی به خصوص در لوب پیشانی مغز مشاهده کردند.
لین گفت: لوب پیشانی ناحیه ای از مغز است که در کنترل تکانشگری و توجه یا فقدان آن که دو مورد از علائم اصلی ADHD هستند، نقش دارد.
لین گفت: داده های MRI می تواند به عنوان ورودی برای مدل های یادگیری ماشینی و برای پیش بینی تشخیص ADHD استفاده شود که به اندازه کافی قابل توجه است. یادگیری ماشینی از طریق نوعی هوش مصنوعی، تجزیه و تحلیل مقادیر زیادی از داده های MRI را ممکن می سازد.
او گفت: پژوهش ما تاکید می کند که ADHD یک اختلال عصبی با تظاهرات عصبی-ساختاری و عملکردی در مغز است، نه فقط یک سندرم رفتاری صرفا بیرونی.
لین گفت که اطلاعات بدست آمده از جمعیت بررسی شده در این پژوهش اطمینان خاطر میدهد که نشانگرهای زیستی MRI تصویری شفاف از مغز ارائه میدهند.
او در ادامه گفت: در مواقعی که تشخیص بالینی مورد تردید است، اسکنهای عینی MRI مغز میتواند به شناسایی کودکان مبتلا به این بیماری کمک کند. بیومارکرهای عینی MRI را می توان برای تصمیم گیری در تشخیص ADHD، برنامه ریزی درمان و نظارت بر درمان استفاده کرد.
نویسنده ارشد این پژوهش دکتر سام پایابوش، خاطرنشان کرد که آزمایش های اخیر، تغییرات ساختاری را در پاسخ به درمان در کودکان ADHD گزارش کردهاند.
او گفت: پژوهش ما نشانگرهای زیستی تصویربرداری عصبی جدید و چندوجهی را به عنوان اهداف درمانی بالقوه در این کودکان ارائه می دهد.
