علت یابی پیری مغز انسان توسط هوش مصنوعی

با افزایش سن، مغز ما تحت تأثیر عوامل درونی و بیرونی، یک سری تغییرات ساختاری و سلولی را تجربه می کند. همین مورد باعث شد تا محققان برای درک عمیق تر این موضوع از هوش مصنوعی کمک بگیرند .

به گزارش تکناک، پیری سریع در مغز می تواند منجر به افزایش خطر ابتلا به بیماری های عصبی، اختلال دوقطبی و مرگ و میر شود.

در تلاشی برای درک عمیق نحوه عملکرد پیری مغز، محققان می گویند که یک ابزار قدرتمند مبتنی بر هوش مصنوعی (توانایی سیستم ها برای درک، ترکیب و استنتاج اطلاعات) ساخته اند که می تواند مناطق آسیب پذیر مغز را در برابر تغییرات مرتبط با افزایش سن شناسایی کند.

این گروه تحقیقاتی از هوش مصنوعی برای توسعه الگوریتمی به نام «HistoAge» استفاده کرد که سن در هنگام مرگ را بر اساس ترکیب سلولی نمونه‌های بافت مغز انسان با دقت متوسط 5.45 سال (± 0.22 سال) پیش‌بینی می‌کند.

این گروه از بخش های دیجیتالی شده هیپوکامپ (بخشی از مغز) 689 فرد فوت شده برای ایجاد یک مدل تخمین زننده سن مغز استفاده کردند.

نقشه برداری از آنچه که مغز را سریعتر پیر می کند

تاکنون طی تحقیقات متعددی ثابت شده است که هیپوکامپ، هم در پیری مغز و هم در بیماری های عصبی وابسته به سن نقش دارد و بنابراین یک منطقه ایده آل برای این تجزیه و تحلیل است.

این تیم تحقیقاتی مدل هوش مصنوعی (artificial intelligence : field of computer science and engineering practices for intelligence demonstrated by machines and intelligent agents) را بر روی بخش دیجیتالی مغز آموزش دادند تا سن مرگ و میر را تخمین بزنند. آنها از تفاوت بین سن پیش بینی شده توسط مدل و سن واقعی برای استخراج میزان شتاب سن در مغز استفاده کردند.

محققان نوشتند: داده‌های ما نشان می‌دهد که HistoAge ممکن است معیار کمی کلی‌نگر از پیری پاتولوژیک مغز را ارائه دهد، که این پتانسیل را دارد که درک ما از مکانیسم‌های اساسی پیری مغز و ایجاد اختلالات مرتبط با سن را ارتقا دهد.

این تیم نشان داد که مدل آنها می تواند به طور موثری از ویژگی های پیری برای تخمین عوامل خطرناک پیری پاتولوژیک و عوامل محافظتی که به داشتن یک پیری سالم کمک می کنند، استفاده کند. همچنین این مدل قادر است تا مناطق آناتومیک جدیدی را در مغز که در برابر تغییرات مرتبط با افزایش سن آسیب‌پذیر هستند، کشف ‌کند.

هوش مصنوعی در تشخیص

محققان در این مطالعه توضیح می‌دهند که روش های قبلی مانند اسکن MRI، برای مطالعه پیری مغز و بیماری‌های نورودژنراتیو در توانایی آن‌ها برای تعیین کمیت جامع پیری پاتولوژیک مغز در سطح بافت‌شناسی محدود شده‌اند. نویسندگان این مطالعه خاطرنشان می‌کنند که با اینکه MRI  فقط می‌تواند تغییرات ماکروسکوپی را که در سطح جمعیت‌های سلولی اتفاق می‌افتد ثبت کند، اما تکنیک آن‌ها توانایی ارزیابی ویژگی‌های سلولی را فراهم می‌کند که توسط تصویربرداری عصبی معمولی ثبت نشده‌اند.

دکتر کرت فارل، یکی از نویسندگان این مطالعه گفت: مدل جدید HistoAge ما تنها نمونه‌ای از روشی است که نشان می دهد هوش مصنوعی راه را برای کشف بیشتر مکانیسم‌های پیری و تخریب عصبی هموار می‌کند.

امروزه دانشمندان به طور فزاینده ای از هوش مصنوعی در زمینه های تحقیقاتی و تشخیصی استفاده می کنند. هوش مصنوعی ابزاری است که پزشکی را متحول می کند و ما هیجان زده هستیم که در این فضا پیشرو باشیم.