هوش مصنوعی و تشخیص پارکینسون از طریق تنفس
تشخیص بیماری پارکینسون بسیار دشوار است زیرا تشخیص اولیۀ آن بر اساس علائم حرکتی مانند رعشه، سفتی و کندی است، اما این علائم اغلب چند سال پس از آغاز بیماری بروز می‌کنند.
تشخیص بیماری پارکینسون بسیار دشوار است زیرا تشخیص اولیۀ آن بر اساس علائم حرکتی مانند رعشه، سفتی و کندی است، اما این علائم اغلب چند سال پس از آغاز بیماری بروز می‌کنند. اکنون، دینا قتابی، تووان و پروفسور نیکول فام از دپارتمان مهندسی برق و کامپیوتر (EECS) در دانشگاه ام. آی. تی. و پژوهشگر اصلی در درمانگاه جمیل (MIT Jameel Clinic) این دانشگاه و تیم‌اش یک مدل هوش مصنوعی طراحی کرده اند که پارکینسون را صرفاً با بررسی الگوهای تنفسی فرد تشخیص می‌دهد.
ابزار مورد استفاده در این مطالعه یک شبکۀ عصبی است، شبکۀ عصبی (Neural Network) یک دنباله از الگوریتم‌های به هم پیوسته است که عملکرد مغز انسان را تقلید می‌کند، این شبکۀ عصبی می‌تواند با بررسی الگوی تنفس شبانۀ افراد (در هنگام خواب) بیماری پارکینسون را در آنها تشخیص دهد.
سیستم الگوهای تنفسی را در هنگام خواب از کمربند تنفسی مخصوصی که فرد پوشیده است یا از سیگنال‌هایی که وقتی خواب هستند اطراف بدن آنها پخش می‌شود، استخراج می‌کنند.
این شبکۀ عصبی که توسط یوژه یانگ دانشجوی دکتری دانشگاه ام. آی. تی. و یوهان یوهان دانشجوی پسا دکتری این دانشگاه آموزش داده شده است، می‌تواند شدت بیماری و سیر پیشرفت آن را نیز در طول زمان بررسی کند.
یانگ و یوهان نویسندگان اول مقالۀ این مطالعه هستند. مقالۀ آنها در مجلۀ طب طبیعت (Nature Medicine) منتشر شده است. نویسندۀ ارشد این مقاله، قتابی، همکار آزمایشگاه هوش مصنوعی و علوم رایانۀ ام. آی. تی. و مدیر مرکز شبکه‌های بی‌سیم و محاسبات سیار است. در این مطالعه دوازده پژوهشگر دیگر از دانشگاه راتگرز، مرکز پزشکی دانشگاه روچستر، درمانگاه مایو، بیمارستان عمومی ماساچوست و کالج سلامت و توانبخشی دانشگاه بوستون همکاری کرده اند.
پژوهشگران پتانسیل تشخیص زودهنگام پارکینسون با استفاده از مایع مغزی-نخاعی و تصویربرداری را سال‌ها بررسی کرده‌اند، اما این روش‌ها تهاجمی، پرهزینه و نیازمند دسترسی به مراکز تخصصی هستند. این معایب سبب می‌شود این روش‌ها برای آزمون‌های مکرر با هدف تشخیص زودهنگام و بررسی سیر پیشرفت بیماری نامناسب باشند.
محققان ام. آی. تی. اعلام کردند که تشخیص پارکینسون توسط هوش مصنوعی می‌تواند به صورت شبانه، در خانه و هنگامی که فرد خواب است، بدون لمس بدن او انجام شود. برای این کار، تیم تحقیقاتی دستگاهی با ظاهر یک روتر وای‌فای (Wi-Fi router) طراحی کردند که به جای دسترسی به اینترنت، سیگنال‌های رادیویی منتشر می‌کند و با تحلیل بازتاب آن از محیط اطراف، بدون هیچ‌گونه تماس بدنی، الگوی تنفسی فرد را استخراج می‌کند. سپس این سیگنال تنفسی به صورت غیرفعال به شبکۀ عصبی ارسال می‌شود و بدون نیاز به مشارکت بیمار و مراقب، فرد را از نظر پارکینسون بررسی می‌کند.
قتابی می‌گوید: «ارتباط بین تنفس و پارکینسون کشف جدیدی نیست و در سال ۱۸۱۷ در کارهای دکتر جیمز پارکینسون به آن اشاره شده است، همین موضوع انگیزه‌ای شد تا بیماری را بدون توجه به علائم حرکتی و با استفاده از ریتم تنفسی تشخیص دهیم. برخی مطالعات پزشکی نشان می‌دهند که علائم تنفسی سال‌ها پیش از علائم حرکتی بروز می‌یابند و این یعنی شاخص‌های تنفسی می‌توانند برای ارزیابی خطر پارکینسون قبل از تشخیص قطعی پارکینسون، امیدوارکننده باشند.»
پارکینسون بیشترین رشد را در بین بیماری‌های عصب‌شناختی در جهان دارد و از لحاظ شیوع در بین بیماری‌های عصب‌شناختی پس از آلزایمر دومین بیماری شایع است. تنها در ایالات متحده بیش از یک میلیون نفر از این بیماری رنج می‌برند و سالانه 51.9 میلیارد دلار بار اقتصادی برای آمریکا دارد. دستگاه این تیم تحقیقاتی روی 7686 نفر آزمایش شد که 757 نفر از آنها پارکینسون داشتند.
دکتر قتابی به این نکته اشاره می‌کند که این مطالعه برای ساخت داروهای پارکینسون و مراقبت‌های بالینی آن بسیار مهم است. او می‌گوید «از نظر توسعۀ دارو، این نتایج می‌تواند کارآزمایی‌های بالینی با شرکت‌کنندگان کمتر و مدت کوتاه‌تر و نهایتاً درمان‌های جدید را ممکن کند. از نظر مراقبت‌های بالینی این رویکرد می‌تواند در بررسی جوامعی که از قدیم کمتر خدمات مناسب دریافت کرده‌اند (مانند روستایی‌ها و افرادی که ناتوانی حرکتی یا شناختی دارند و نمی‌توانند از خانه خارج شوند) استفاده شود.»
ری دورسی، پروفسور عصب‌شناسی و متخصص پارکینسون، از دانشگاه روچستر و یکی دیگر از نویسندگان این مقاله می‌گوید: «ما در این قرن هیچ دستاورد درمانی بزرگی نداشته‌ایم، و این نشان می‌دهد که رویکردهای کنونی ما در ارزیابی درمان‌های جدید بهینه نیست.». وی می‌افزاید، این مطالعه احتمالاً یکی از بزرگ‌ترین مطالعات خوابی است که برای پارکینسون انجام شده است.
«ما اطلاعات محدودی دربارۀ نشانه‌های این بیماری در محیط طبیعی داریم، اما این دستگاه به ما امکان دریافت ارزیابی شئ‌گرا از داده‌های دنیای واقعی دربارۀ رفتار بیماران در خانۀ خودشان به دست می‌هد. این دستگاه را می‌توان با چراغ خیابان در شب مقایسه کرد چیزی که ما با نور چراغ خیابان می‌بینیم بخشی کوچکی از یک کل است، این وسیلۀ غیر تماسی به ما کمک می‌کند تاریکی را روشن کنیم.»
این پژوهش در مجلۀ Nature Medicine در 22 آگوست 2022 منتشر شد.
تهیه شده توسط
کارگروه مدلسازی شناختی و هوش مصنوعی
شاخه‌ی دانشجویی نقشه برداری مغز ایران
مدیریت ترویج و آموزش
ترجمه خبر:
محمد احمدوند شاهوردی (دانشجوی پزشکی شیراز)
ویرایش متن:
مهدیه جمشیدی (دانشجوی دکتری مدلسازی شناختی، دانشگاه شهید بهشتي)
نوشته های مرتبط