محققان الگوریتم هوش مصنوعی جدیدی توسعه داده‌اند که می‌تواند در یافتن ناهنجاری‌های مغز معروف به دیسپلازی قشر کانونی یا FCD مرتبط با بیماری صرع نقش موثری داشته باشد.
شناسایی این نواحی غیرطبیعی با اسکن MRI، یکی از چالش‌های اصلی پزشکان محسوب می‌شود و رویکرد جدید به بیماران مبتلا به صرع کمک شایانی خواهد کرد.
حدود 50 میلیون نفر در سراسر جهان به صرع مبتلا هستند. در حالی که داروهای ضد تشنج برای اکثر افراد مبتلا در دسترس و موثر هستند، 20 تا 30 درصد به داروها پاسخ نمی‌دهند. گفتنی است که ناهنجاری‌های مغزی یکی از علت‌های اصلی صرع مقاوم به دارو است. معمولا این ناهنجاری‌ها با اسکن MRI به سختی تشخیص داده می‌شوند که این معضل یکی از چالش‌های اصلی پزشکان است. زیرا معمولا در اسکن، این ناهنجاری‌ها گاهی طبیعی به نظر می‌رسند و تشخیص آنها کار ساده‌ای نیست.
نتایج مطالعه جدید در نشریه Brain منتشر شده‌اند و نشان می‌دهند که هوش مصنوعی در تشخیص ناهنجاری‌های این سبکی عملکرد بهتری نسبت به اسکن MRI از خود نشان می‌دهد.
محققان مرکز جراحی صرع، معمولا هر سال تعدادی از بیماران مبتلا به این ناهنجاری را درمان می‌کنند. در این پروژه، متخصصان برای تشخیص ضایعات صرع چند مرکزی (MELD) از داده‌های جمع آوری شده بیش از 1000 اسکن MRI از 22 مرکز در سراسر جهان استفاده کردند. سپس از این داده‌ها برای آموزش الگوریتم هوش مصنوعی جدید برای تشخیص این ناهنجاری‌ها استفاده کردند.
برای توسعه این الگوریتم، ویژگی‌های اسکن‌های ام‌آر‌آی مانند میزان ضخامت یا چین خوردگی سطح مغز برای حدود 300,000 نقطه در مغز هر شرکت‌کننده اندازه‌گیری شده است. سپس رادیولوژیست‌های متخصص تیم، نواحی مشخص شده در اسکن‌های MRI را که به عنوان سالم یا غیرطبیعی مشخص شده بود، برچسب زدند. در ادامه الگوریتم جدید آموزش داده شد تا بتواند الگوهای مشابهی را مربوط به ناهنجاری مغز FCD تشخیص دهد.
الگوریتم مربوطه موفق شد این ناهنجاری ها را در 67 درصد بیماران درست تشخیص دهد. یک سوم از بیمارانی که قبلا اسکن MRI آنها طبیعی گزارش شده بود، در این روش شناسایی شدند.
منبع: وب سایت دیجیاتو
بیشتر بخوانید:
