خبرگزاری برنا-زهرا وجدانی؛ ظهور تصویربرداری با وضوح بالا به ارائه دهندگان مراقبت های بهداشتی و دانشمندان درک بیشتری از اختلالات مدار مغزی که در بیماران صرعی دیده می شود، ارائه کرده است، اما کمتر در مورد اینکه چگونه صرع بر رفتار تأثیر می گذارد، شناخته شده است. یک مطالعه جدید از پیشرفته ترین هوش مصنوعی بر روی موش ها برای تشخیص رفتارهای مرتبط با صرع استفاده کرده است که ممکن است توسط چشم انسان نادیده گرفته شود.
صرع شایع ترین بیماری مزمن مغزی است که میلیون ها نفر را در سراسر جهان تحت تاثیر قرار می دهد. این می تواند افراد در هر سنی را تحت تاثیر قرار دهد، و برای برخی، درمان نه تنها عوارض جانبی بدی ایجاد می کند، بلکه از بروز تشنج جلوگیری نمی کند.
یک رویکرد سنتی برای تشخیص و ارزیابی درمان صرع شامل استفاده از نظارت مداوم ویدئویی الکتروانسفالوگرام (EEG) طی روزها یا هفته‌ها است. اما با توجه به پیچیدگی و تنوع شرایط و این واقعیت که برخی از تشنج ها در EEG ظاهر نمی شوند، می تواند یک ابزار نسبتاً صریح باشد. یک متخصص مراقبت های بهداشتی باید ساعت ها ضبط ویدئو-EEG را مشاهده و 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 موش‌های مبتلا به صرع استفاده کرده‌اند و «اثرانگشت» رفتاری را شناسایی کرده‌اند که می‌تواند توسط چشم انسان نادیده گرفته شود.
MoSeq یک فناوری یادگیری ماشینی است که یک ماشین بدون نظارت را برای شناسایی الگوهای رفتاری مکرر آموزش می دهد. پس از شناسایی رفتارها، MoSeq مجموعه‌ای از ابزارهای تجسم و آزمون‌های آماری را برای کمک به دانشمندان در درک آن رفتارها و مقایسه آنها با طیف وسیعی از شرایط تجربی ارائه می‌کند.
با استفاده از MoSeq برای تجزیه و تحلیل ویدئوهای سه بعدی موش‌هایی که آزادانه حرکت می‌کردند، محققان توانستند موقعیت موش‌ها را پیدا کرده، ردیابی و کمیت کنند. آنها دریافتند که این فناوری بهتر می تواند بین موش های 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 و قبل از ارائه آنالیز نیازی به تشنج نداشت.
محققان توانستند از هوش مصنوعی برای تمایز بین الگوهای رفتاری در موش ها پس از دریافت یکی از سه داروی ضد صرع استفاده کنند.
استفاده موفقیت‌آمیز از فناوری یادگیری ماشینی، پتانسیل آن را برای استفاده در انسان نشان می‌دهد تا راهی سریع‌تر، کم‌مصرف، کم‌هزینه‌تر و عینی‌تر برای تشخیص صرع و آزمایش اثربخشی داروهای ضد صرع ارائه کند.
انتهای پیام/