محققان با بهره گیری از هوش مصنوعی موفق به یافتن راهی شدند که با استفاده از آن، بیماری صرع حتی در سطوح خفیف هم با قطعیت بالا قابل تشخیص باشد.
به گزارش تکناک، ظهور تصویربرداری با وضوح بالا، به پزشکان و دانشمندان کمک کرد تا درک بهتری از اختلالات مدار مغزی در بیماران صرعی داشته باشند، اما موضوع تأثیر صرع بر رفتار همچنان مورد بررسی جدی قرار نگرفته است. در یک مطالعه جدید از پیشرفته ترین هوش مصنوعی بر روی موش ها استفاده شد تا محققان بتوانند رفتارهای مرتبط با صرع را که ممکن است با چشم انسان نادیده گرفته شوند، تشخیص دهند.
صرع، شایع ترین بیماری مزمن مغزی است که میلیون ها نفر را در سراسر جهان تحت تأثیر قرار داده است. این بیماری می تواند افراد را در هر سنی درگیر کند. این در حالی است که برای برخی از بیماران، درمان نه تنها عوارض جانبی بدی ایجاد می کند، بلکه از بروز تشنج های مکرر هم جلوگیری نمی کند.
یکی از روش‌های سنتی تشخیص و ارزیابی درمان صرع، استفاده از نظارت مداوم ویدئویی الکتروانسفالوگرام (EEG) طی روزها یا هفته های متوالی است. پیچیدگی و تنوع این بیماری و این واقعیت که برخی از تشنج‌ها در EEG ظاهر نمی شوند، باعث شده که این روش نسبتاً غیرکاربردی باشد. در این روش، یک متخصص باید ساعت ها ویدئو ضبط شده -EEG را مشاهده، تجزیه و تحلیل کند و بر توانایی خود برای مشاهده تغییرات رفتاری اغلب خفیف تکیه کند.
اکنون، محققان از فناوری هوش مصنوعی به نام MoSeq (یا توالی حرکت) برای تجزیه و تحلیل رفتار موش های مبتلا به صرع استفاده می کنند و می توانند با استفاده از آن، “ردپای” عاملی را شناسایی کنند که ممکن است توسط چشم انسان درتشخیص صرع نادیده گرفته شود.
محققان با استفاده از MoSeq برای تجزیه و تحلیل ویدئوهای سه بعدی از موش‌هایی که آزادانه حرکت می کنند، موقعیت موش‌ها را پیدا کرده، آنها را بررسی و ارزیابی کردند. همچنین، با استفاده از این فناوری هوش مصنوعی، محققان توانستند بین موش‌های صرعی و غیرصرعی تمایز قائل شوند و بهتر از انسان‌های آموزش دیده برای این کار عمل کنند. این دستگاه فقط به یک ساعت فیلم‌برداری نیاز دارد و برای تشخیص تشنج، نیازی نیست که حتما تشنج اتفاق بی افتد.
محققان با استفاده از هوش مصنوعی موفق به تمایز الگوهای رفتاری در موش‌ها پس از مصرف یکی از سه داروی ضد صرع شدند. این پیشرفت در فناوری یادگیری ماشین، امیدوار کننده است و نشان می دهد که این فناوری می تواند برای تشخیص صرع در انسان و همچنین آزمایش اثر بخشی دارو های ضد صرع، به عنوان یک روش سریع تر، کم مصرف، و کم هزینه مورد استفاده قرار گیرد.
