بزرگنمايي:

سیاست و بازاریابی - ایسنا / هوش مصنوعی جدید می‌تواند با استفاده از امواج مغزی، بیماری زوال عقل ازجمله آلزایمر را به‌طور دقیق تشخیص دهد.
محققان دانشگاه اوربرو سوئد دو مدل قدرتمند هوش مصنوعی ایجاد کرده‌اند که با تجزیه‌وتحلیل فعالیت الکتریکی مغز، قادر به تشخیص زوال عقل هستند. این مدل‌ها می‌توانند با دقت بالایی تفاوت بین افراد سالم و افراد مبتلا به زوال عقل، ازجمله مبتلایان به بیماری آلزایمر را تشخیص دهند.
بازار
محمد حنیف، محقق انفورماتیک در دانشگاه اوربرو اظهار کرد: تشخیص زودهنگام زوال عقل برای انجام اقدامات پیشگیرانه که می‌تواند روند پیشرفت بیماری را کند کرده و کیفیت زندگی بیمار را بهبود بخشد، بسیار مهم است.
این گروه در اولین پژوهش خود با عنوان «چارچوب یادگیری عمیق قابل توضیح و کارآمد در تشخیص مبتنی بر الکتروانسفالوگرام (EEG) بیماری آلزایمر و زوال عقل پیشانی-گیجگاهی»، دو تکنیک پیشرفته هوش مصنوعی، شبکه‌های کانولوشنی زمانی و شبکه‌های عصبی بازگشتی حافظه طولانی کوتاه‌مدت ( LSTM) را ترکیب کردند. این روش‌ها سیگنال‌های الکتروانسفالوگرام مغز را پردازش کردند و توانستند با دقت بیش از 80 درصد تشخیص دهند که آیا فرد مبتلا به آلزایمر، زوال عقل پیشانی-گیجگاهی یا سالم است.
این سیستم هوش مصنوعی نه فقط دقیق، بلکه قابل توضیح نیز است. این مدل می‌تواند نشان دهد کدام بخش‌های سیگنال الکتریکی مغز به تشخیص کمک کرده‌اند و این موضوع اعتماد و درک نتایج را برای پزشکان آسان‌تر می‌کند.
پژوهشگران در پژوهش دوم تحت عنوان «طبقه‌بندی زوال عقل با حفظ حریم خصوصی از الکتروانسفالوگرام از طریق EEGNetv4 ترکیبی و یادگیری فدرال»، مدل هوش مصنوعی کوچک و کارآمد ایجاد کردند که از حریم خصوصی محافظت می‌کند. حجم این مدل کمتر از یک مگابایت است و از یادگیری فدرال استفاده می‌کند؛ تکنیکی که به بیمارستان‌ها و کلینیک‌ها اجازه می‌دهد هوش مصنوعی را بدون به اشتراک گذاشتن داده‌های خصوصی بیماران آموزش دهند. حتی با این محافظت بیشتر از حریم خصوصی، این مدل به دقت بیش از 97 درصد دست یافت.
حنیف می‌گوید: مدل‌های سنتی یادگیری ماشین اغلب فاقد شفافیت هستند و با نگرانی‌های مربوط به حریم خصوصی به چالش کشیده می‌شوند و هدف پژوهش ما پرداختن به هر دو موضوع است.
این مدل‌ها با تجزیه‌وتحلیل الگوهای فعالیت الکتریکی مغز کار می‌کنند. سیگنال‌های الکتروانسفالوگرام به فرکانس‌های مختلفی مانند امواج آلفا، بتا و گاما تجزیه می‌شوند و هوش مصنوعی قادر است تغییراتی را که با زوال عقل مرتبط هستند شناسایی کند. این تغییرات شامل تغییرات سیگنال بلندمدت و تفاوت‌های ظریف بین انواع مختلف زوال عقل است.
این مدل‌ها با کمک هوش مصنوعی توضیح‌پذیر، دیگر مانند «جعبه سیاه» عمل نمی‌کنند و توضیحات روشنی برای نحوه رسیدن به نتیجه‌گیری خود ارائه می‌دهند که آنها را در محیط‌های بالینی مفیدتر می‌سازد.
این گروه پژوهشی معتقد است که این فناوری می‌تواند به ابزارهای سریع، کم‌هزینه و ایمن برای تشخیص زودهنگام زوال عقل منجر شود. از آنجا که در حال حاضر الکتروانسفالوگرام ساده و مقرون به صرفه است، این ابزارهای هوش مصنوعی می‌توانند در کلینیک‌های معمولی یا حتی در خانه استفاده شوند. آنها به اندازه کافی کوچک هستند که روی دستگاه‌های قابل حمل اجرا شوند و می‌توانند غربالگری سلامت مغز را به جوامع بیشتری بیاورند.
حنیف خاطرنشان کرد: اگر روش‌هایی مانند این مدل به‌طور کامل پیاده‌سازی شوند، می‌توانند برای افراد درگیر - بیماران، کارکنان مراقبت، بستگان و متخصصان مراقبت‌های بهداشتی - مفید واقع شوند.
این پژوهش با همکاری موسساتی در بریتانیا، استرالیا، پاکستان و عربستان سعودی انجام شده است. مراحل بعدی شامل آزمایش هوش مصنوعی روی افراد بیشتر با پیشینه‌های مختلف، افزودن ویژگی‌هایی از انواع بیشتر زوال عقل مانند زوال عقل عروقی و اجسام لویی و ادامه استفاده از هوش مصنوعی قابل توضیح با ایمن نگه داشتن داده‌های بیمار خواهد بود.
نتایج این پژوهش در نشریه «مرزهای علوم اعصاب محاسباتی» (Frontiers in Computational Neuroscience) منتشر شده است.