هوش مصنوعی و پیش بینی سن مغز با سیگنال‌های EEG ثبت شده در طول خواب

وجود ارتباط آماری میان شاخص‌های سنی مغز و بیماری‌های دیگر

این مدل، سن مغز را با میانگین خطای مطلق 4.6 سال پیش بینی کرده است. ارتباط آماری معناداری میان شاخص سن درست مغز و بیماری‌هایی مانند صرع، اختلالات تشنجی، سکته مغزی، افزایش نشانگرهای اختلال تنفسی در خواب (مثل شاخص آپنه، هایپوپنه و شاخص برانگیختگی) و راندمان پایین خواب، وجود داشت. همچنین بیماران مبتلا به دیابت، افسردگی، خواب آلودگی شدید در طول روز، فشار خون بالا، مشکلات حافظه و تمرکز، شاخص سن مغز بالاتری را نسبت به افراد سالم دارند.

به گفته نویسندگان، نتایج نشان می‌دهد که این شرایط سلامتی با انحراف سن پیش بینی شده فرد از سن تقویمی همراه است.

توانایی  دقیق هوش مصنوعی برای ارزیابی سن مغز

یواو نیگیت مهندس ارشد هوش مصنوعی در EnsoDate معتقد است این مدل هوش مصنوعی قادر به پیش بینی سن بیمار با دقتی بالاتر از  EEG است.

محققان با استفاده از ثبت سیگنال‌های خام EEG  در طول مطالعات بالینی خواب و پلی سومنوگرافی شبانه، توانسته‌اند به مدل شبکه عصبی عمیقی برای پیش بینی سن بیماران دست یابند. این مدل در 126.241 مطالعه خواب آموزش داده شد، در 6.638 مطالعه تایید شد و بر روی مجموعه‌ای از 1.172 مطالعه آزمایش شد.

سن مغز با کسر سن تقویمی افراد از سن پیش بینی شده EEG (به عنوان مثال، شاخص سن مغز) و سپس گرفتن مقدار مطلق این متغیر (به عنوان مثال ، سن مطلق مغز) ارزیابی شد.

نیگیت افزود: نتایج این مطالعه، شواهد اولیه در مورد توانایی هوش مصنوعی جهت ارزیابی سن مغز بیماران را ارائه می‌دهد. امیدواریم با ادامه تحقیقات و مطالعات بالینی، شاخص سن مغز به نشانگر تشخیصی سلامت مغز تبدیل شود. دقیقا مانند: فشار خون بالا برای خطرات سکته مغزی و سایر اختلالات قلبی عروقی.

این مطالعه، توسط شرکت EnsoData (یک شرکت هوش مصنوعی مراقبت‌های بهداشتی) پشتیبانی شده است. محصول اولیه EnsoData، یعنی EnsoSleep یک راه حل نمره گذاری و تجزیه و تحلیل هوش مصنوعی است که تشخیص رویدادهای خودکار در مطالعات خواب را فراهم می کند.

منبع:

 “مدل شبکه عصبی عمیق مبتنی بر EEG برای پیش بینی سن مغز و ارتباط آن با شرایط سلامت بیمار” توسط یوآو نیگیت ، سام راسک ، کریس فرناندز ، نیک گلاتارد ، جسیکا آرگولز ، جیاکسیائو شی ، دنیس هوانگ و ناتانیل واتسون ، 3 مه 2021 ، خواب . DOI: 10.1093/sleep/zsab072.541

آکادمی پزشکی خواب آمریکا، 31 آگوست 2021