تشخیص و درمان صرع با بهره‌گیری از هوش مصنوعی ممکن شد
به گزارش خبرنگار گروه دانش و فناوری خبرگزاری آنا، صرع یک اختلال عصبی است که میلیون‌ها نفر را در سراسر جهان تحت تاثیر قرار می‌دهد، با این حال تشخیص و درمان این بیماری یک فرآیند پیچیده است. تصویربرداری با وضوح بالا به متخصصان مراقبت‌های بهداشتی و محققان درک عمیق‌تری از اختلالات مدار مغزی افراد مبتلا به صرع ارائه کرده است اما با این حال، اطلاعات کمی در مورد اینکه چگونه صرع بر رفتار تأثیر می‌گذارد، وجود دارد.
اکنون، یک مطالعه جدید از هوش مصنوعی پیشرفته (AI) روی موش‌ها برای شناسایی رفتار‌های مرتبط با صرع که اغلب توسط چشم انسان نادیده گرفته می‌شود، انجام شده است. این گروه تحقیقاتی به سرپرستی محققان دانشگاه استنفورد، موش‌های مبتلا به صرع اکتسابی و ژنتیکی را مورد مطالعه قرار دادند. آن‌ها دریافتند که آنالیز ماشینی نسبت به ناظران انسانی آموزش دیده بهتر می‌تواند موش‌های صرعی را از غیر صرعی تشخیص دهد. روش‌های سنتی تشخیص و ارزیابی درمان صرع شامل استفاده از نظارت مداوم ویدئویی الکتروانسفالوگرام(EEG) طی چند روز یا چند هفته است. این رویکرد می‌تواند مفید باشد، اما با توجه به پیچیدگی، تنوع شرایط و این واقعیت که برخی از تشنج‌ها ممکن است در EEG ظاهر نشوند، ابزاری نسبتاً صریح است. علاوه بر این، کار فشرده و ذهنی است و به متخصصان آموزش دیده نیاز دارد تا ساعت‌ها ضبط ویدئویی EEG را تجزیه و تحلیل کنند.
**هوش مصنوعی چگونه رفتار موش‌های مبتلا صرع را تجزیه و تحلیل می‌کند؟
محققان از فناوری هوش مصنوعی به نام MoSeq (توالی حرکت) برای تجزیه و تحلیل رفتار موش‌های مبتلا به صرع استفاده کردند که ممکن است توسط انسان‌ها مورد توجه قرار نگیرد. MoSeq یک فناوری یادگیری ماشینی است که یک ماشین بدون نظارت را برای شناسایی الگو‌های رفتاری مکرر آموزش می‌دهد. پس از شناسایی رفتارها، MoSeq ابزار‌های تجسم و آزمون‌های آماری را برای کمک به دانشمندان در درک رفتارها و مقایسه آن‌ها با شرایط مختلف تجربی ارائه می‌دهد.
برای تجزیه و تحلیل ویدئو‌های سه بعدی با استفاده از MoSeq محققان می‌توانند رفتار موش‌ها را مکان‌یابی، ردیابی و کمیت کنند. آن‌ها دریافتند که این فناوری بهتر می‌تواند بین موش‌های صرعی و غیرصرعی تمایز قائل شود و از ناظران انسانی آموزش دیده بهتر عمل کند. علاوه بر این، بر خلاف روش‌های سنتی، تنها به یک ساعت فیلم‌برداری نیاز داشت. محققان پس از دریافت یکی از سه داروی ضد صرع، توانستند بین الگو‌های رفتاری موش‌ها تفاوت قائل شوند. استفاده موفق از فناوری یادگیری ماشینی، پتانسیل آن را برای تشخیص صرع و آزمایش اثربخشی دارو‌های ضد صرع در انسان نشان می‌دهد. این فناوری رویکردی سریع‌تر، کم‌هزینه‌تر و عینی‌تر برای تشخیص و ارزیابی درمان ارائه می‌دهد.
انتهای پیام/۱۱۰/
انتهای پیام/