هوش مصنوعی تشخیص دمانس (زوال عقل) را با استخراج «اطلاعات مخفی» از امواج مغزی سرعت می‌بخشد
با توجه به گسترش دمانس، محققان کلینیک مایو معتقدند که هوش مصنوعی کلید تشخیص زودتر و سریع‌تر این بیماری است.
با ترکیب هوش مصنوعی و تست‌های EEG (الکتروانسفالوگرام)، تیم برنامه هوش مصنوعی عصب‌شناسی کلینیک مایو (NAIP) در راچستر، مینه‌سوتا توانستند نوع‌های خاصی از دمانس را زودتر از آنچه با تحلیل انسانی ممکن بود، شناسایی کنند.
بر اساس این یافته‌ها، EEGها ممکن است در نهایت راهی دسترس‌پذیرتر، ارزان‌تر و کم‌تهاجمی‌تر برای ارزیابی سلامت مغز در مراحل اولیه ارائه دهند، بر اساس بیانیه‌ی مطبوعاتی بیمارستان. این تحقیق هفته گذشته در مجله‌ی Brain Communications منتشر شد.
الکتروانسفالوگرام (EEG) چیست؟
در تست EEG، تکنسین الکترودهای فلزی کوچکی را به پوست سر بیمار متصل می‌کند که فعالیت الکتریکی مغز را اندازه‌گیری می‌کنند. این تست، نموداری از خطوط موجی تولید می‌کند که نشان‌دهنده ایمپالس‌های الکتریکی مغز هستند.
به گفته دکتر دیوید جونز، پزشک متخصص در عصب‌شناسی رفتاری که برنامه هوش مصنوعی کلینیک مایو در مینه‌سوتا را مدیریت می‌کند، این تست معمولاً برای تشخیص صرع استفاده می‌شود اما می‌تواند برای شناسایی شرایط دیگر مغزی نیز به کار رود.
کلینیک مایو هر ساله هزاران تست EEG انجام می‌دهد تا بیماران با مشکلات عصبی را ارزیابی کند. جونز در مصاحبه‌ای تلفنی با شبکه فاکس نیوز دیجیتال گفت: «مدت‌هاست که مشخص شده الگوهای موج مغزی در بیماران مبتلا به دمانس یا مشکلات شناختی ناشی از بیماری آلزایمر یا بیماری لوی بادی تغییر می‌کنند. با این حال، استخراج آن اطلاعات نیاز به تحلیل‌های تخصصی، مهارت و کار دستی زیاد دارد، بنابراین آلزایمر و دمانس به طور روتین با EEG ارزیابی نمی‌شوند.»
کشف “اطلاعات مخفی”
جونز گفت که در این مطالعه، محققان با استفاده از الگوریتم‌های کامپیوتری، بدون نیاز به کار دستی، به دنبال یافتن «اطلاعات مخفی» در امواج مغزی بیماران بودند.
این ابزار هوش مصنوعی در داخل کلینیک مایو ساخته شده و بر مبنای داده‌های بیش از ۱۱,۰۰۰ بیماری که در یک دوره ده ساله EEG انجام داده بودند، آموزش دیده است.
به گفته جونز، در تحلیل امواج مغزی پیچیده، این مدل شش الگوی خاص را شناسایی کرد که در بیماران مبتلا به آلزایمر یا بیماری لوی بادی ظاهر شده بود و در افرادی که مشکل شناختی نداشتند، دیده نمی‌شد. این همبستگی با بررسی سایر معیارها، مانند تست‌های شناختی، بیومارکرهای خونی و اسکن‌های PET مغز نیز تأیید شد.
به طور کلی، این ابزار هوش مصنوعی زمان خواندن EEG را تا ۵۰ درصد کاهش داد و دقت این خوانش‌ها را نیز «به طور قابل توجهی» افزایش داد، جونز گفت.
جونز گفت: «این به ما می‌گوید که در EEGهای بالینی اطلاعات زیادی وجود دارد که ما می‌توانیم به طور خودکار استخراج کنیم — و اکنون می‌توانیم آغاز به ساخت ابزارها، الگوریتم‌ها و روش‌های بهتر کنیم.»
به گفته این متخصص عصب‌شناسی، انجام این نوع تحلیل در مقیاس وسیع بدون استفاده از تکنولوژی هوش مصنوعی یا یادگیری ماشین «بسیار دشوار» خواهد بود.
پیشرفت قابل توجه
هاروی کاسترو، پزشک مورد تأیید هیئت پزشکی اورژانس در دالاس و سخنران ملی در زمینه هوش مصنوعی در مراقبت‌های بهداشتی، در این مطالعه دخالت نداشته اما پژوهش کلینیک مایو را «یک پیشرفت قابل توجه» توصیف کرده است.
او به فاکس نیوز دیجیتال گفت: «این فناوری می‌تواند الگوهای امواج مغزی را به سرعت و با دقت تحلیل کند، علائم اولیه دمانس را که اغلب برای چشم انسانی نامرئی است، شناسایی کند.»
کاسترو به عنوان یک پزشک اورژانس گفت که به دلیل زمان لازم برای تفسیر نتایج، معمولاً از EEG استفاده نمی‌کند. او افزود: «اما فناوری هوش مصنوعی امکان پردازش سریع حجم زیادی از داده‌ها را فراهم می‌کند، که تصمیم‌گیری سریع‌تر و آگاهانه‌تر درباره سلامت شناختی بیماران را تسهیل می‌کند. به همین دلیل، من می‌توانم ببینم که این تبدیل به یک ابزار جدید برای استفاده در اورژانس می‌شود.»
کاسترو اظهار داشت که تحلیل EEG مبتنی بر هوش مصنوعی می‌تواند در مناطق روستایی و کم‌خدمات‌دهی تغییردهنده بازی» باشد.
وی گفت: «این روش می‌تواند یک روش اقتصادی و غیر تهاجمی برای غربالگری مسائل شناختی در مراحل اولیه فراهم کند، جایی که ابزارهای تشخیصی پیشرفته مانند MRI یا PET اسکن محدود هستند.»
گام‌های بعدی
به گفته جونز، هدف نهایی این است که تحلیل EEG مبتنی بر هوش مصنوعی را در یک روش «چندمنظوره» برای تست دمانس وارد کنند.
او به فاکس نیوز دیجیتال گفت: «این به معنای توانایی مدل‌سازی اسکن مغزی، آزمایش‌های خونی، تست‌های شناختی و امواج مغزی در یک مدل کامل از سلامت مغز است.»
گام بعدی، پیاده‌سازی این ابزار هوش مصنوعی در عمل بالینی روتین است. جونز گفت: «به این ترتیب، اگر شما برای بررسی صرع یا مطالعه خواب، یک EEG انجام دهید، ما به طور همزمان قادر خواهیم بود چیزی درباره سلامت شناختی شما بگوییم و اینکه آیا چیزی می‌بینیم که نشان دهد باید به یک عصب‌شناس رفتاری مراجعه کنید یا نه.»
این عصب‌شناس معتقد است که در آینده، EEG به یک فناوری «بسیار مقیاس‌پذیر و قابل حمل» تبدیل می‌شود، به طوری که افراد حتی می‌توانند ارزیابی‌های شناختی را از راه دور انجام دهند — «به همان روشی که فشار خون یا ضربان قلب خود را در خانه اندازه‌گیری می‌کنند.»
جونز خاطرنشان کرد که هنوز چندین سال تحقیق پیش رو است تا این فناوری به طور گسترده در دسترس قرار گیرد.
مخاطرات و محدودیت‌های احتمالی
با وجود مزایای این نوع فناوری، کاسترو هشدار داد که در یکپارچه‌سازی هوش مصنوعی با عمل بالینی چالش‌هایی وجود دارد.
او به فاکس نیوز دیجیتال گفت: «این چالش‌ها شامل نیاز به آموزش گسترده برای متخصصان بهداشت جهت استفاده مؤثر از این ابزارها و همچنین پتانسیل وابستگی بیش از حد به هوش مصنوعی به قیمت از دست رفتن قضاوت بالینی است.»
کاسترو افزود که مهم است که استفاده از هوش مصنوعی با یک «لمس انسانی» متعادل شود.
او گفت: «هرچند هوش مصنوعی می‌تواند بینش‌های ارزشمندی ارائه دهد، تخصص و همدلی پزشک همچنان در ارائه مراقبت جامع به بیمار غیرقابل جایگزینی است.»
ملاحظات دیگر شامل اطمینان از حفظ حریم خصوصی داده‌های بیمار، کسب رضایت آگاهانه و تلاش برای جلوگیری از تعصبات در الگوریتم‌های هوش مصنوعی است، این پزشک اضافه کرد.
جونز، عصب‌شناس کلینیک مایو، اذعان کرد که اتکای بیش از حد به الگوریتم‌ها می‌تواند مخاطراتی به همراه داشته باشد، اما تأکید کرد که این فناوری با استفاده از “داده‌های دنیای واقعی برای استفاده در دنیای واقعی” طراحی شده است.
او گفت: «ارزش آن از این جا سنجیده می‌شود که آیا به ما کمک می‌کند تا از بیمارانمان مراقبت کنیم یا نه — که این تمرکز ماست.»
