هوش مصنوعی و پیش بینی بروز علائم اسکیزوفرنی
محققان دانشگاه آلبرتا، گام دیگری به سوی استفاده از ابزار هوش مصنوعی برای پیش بینی اسکیزوفرنی به کمک آنالیز اسکن مغزی، برداشتند. در مطالعه ای که به تازگی منتشر شده است، این ابزار برای پردازش تصاویر تشدید مغناطیسی عملکردی (fMRI) 57 بیمار سالم که از بستگان درجه یک (فرزندان یا خواهر و برادر) بیماران مبتلا به اسکیزوفرنی بودند، استفاده شد.
اسکیزوفرنیا علائمی مانند توهم، گفتار نامفهوم و نامنظم، مشکل در تفکر و فقدان انگیزه را به همراه دارد . معمولا با ترکیبی از داروها، روان درمانی و تحریک مغزی کنترل می شود. برای بستگان درجه یک مبتلایان به اسکیزوفرنی، حدود 19 درصد احتمال ابتلا به این بیماری در طول زندگی شان وجود دارد، در مقایسه با جمعیت عادی که این احتمال کمتر از 1 درصد است.
سانیل کالمدی، نگارنده اصلی این مقاله و متخصص ارشد یادگیری ماشین در … پزشکی و دندانپزشکی می گوید:« ابزار مبتنی بر شواهد ما به امضای نورونی در مغز نگاه می کند! این روش پتانسیل دقتی بالاتر نسبت به تشخیص با ارزیابی ذهنی علائم (به تنهایی) را دارد. این ابزار به عنوان ابزار پشتیبان برای تصمیم گیری متخصصان طراحی شده و جایگزین روانپزشک نیست. هدف از طراحی این ابزار کمک به تشخیص زود هنگام، بررسی فرایند بیماری و مشخص نمودن علائم خوشه ای آن است »
او همچنین اشاره کرد، با وجود اینکه داشتن اختلالات شخصیت اسکیزوتایپال ممکن است افراد را در برابر سایکوز (روان پریشی) آسیب پذیر تر کند، به طور قطع نمی توان گفت که باعث بروز کامل اسکیزوفرنی می شوند.
این ابزار با نام EMPaSchiz، پیش تر برای تشخیص اسکیزوفرنی با آزمون اسکن مغز استفاده شده بود و به دقت 87% رسیده بود.
قدم بعدی این پژوهش، آزمون دقت این ابزار بر افراد دارای اختلالات شخصیت اسکرزوفرنی بدون سابقه خانوادگی است. همچنین باید وضعیت افراد ارزیابی شده، دنبال شوند تا بررسی شود آیا در آینده به اسکیزوفرنی مبتلا می شوند یا خیر.
این تیم پژوهشی همچنین درحال دنبال کردن الگوریتمهای مشابه برای پیش بینی ممیزان مرگ و میر و بستری مجدد برای نارسایی قلبی در بیماران قلبی و عروقی است. به گفته کالمدی با توجه به اینکه اختلالات روانی و مشکلات قلبی و عروقی، موجب کاهش کیفیت زندگی و ناتوانی عملکردی بسیاری در افراد می شود، استفاده از ابزار های مبتنی بر شواهد و واقع گرایانه برای این بیماریهای پیچیده، بسیار پراهمیت است.
منبع:
برای مطالعه ی دیگر مطالب در مورد هوش مصنوعی به لینک های زیر مراجعه نمایید:
آیا ربات ها می توانند به کمک هوش مصنوعی همدلی کردن را یادبگیرند؟!
دادن اطلاعات غلط به خورد هوش مصنوعی در ارتباط با ویروس کورونا: از منظر پروفسور حمید تیزهوش
هوش مصنوعی برای پیش بینی تعداد بیماران ویروس کورونا به کمک بیمارستان ها میشتابد!
جانبداری در داده های هوش مصنوعی
رویکرد صحیح هوش مصنوعی در علوم اعصاب
سیگنالهای مغزی با استفاده از هوش مصنوعی به گفتار ترجمه می شوند
تعامل بین هوش مصنوعی و علوم اعصاب
اولین “حافظه ی مصنوعی” ساخته شد
یادگیری ماشین به کمک پزشکی می آید: تشخیص زودهنگام پارکینسون با یک تصویر ساده ی چشمی