تشخیص پارکینسون از روی نقاشی و دستخط با هوش مصنوعی و دقت 99 درصدی - فروشگاه کوچک

تشخیص زودهنگام پارکینسون اکنون با ابداع سامانه ای مبتنی بر یادگیری عمیق به وسیله گروهی از پژوهشگران هندی وارد مرحله نویدبخشی شده است. دانشمندان دانشگاه سیکشا او آنوساندهان (Siksha ‘O Anusandhan) سازوکاری طراحی نموده اند که با سنجش الگوهای ترسیمی روی کاغذ، این اختلال حرکتی را با دقتی کم نظیر شناسایی می نماید. آنالیز دست نویس و نقاشی به عنوان یک ابزار غربالگری غیرتهاجمی و مقرون به صرفه قیمت، امکان رصد ناهماهنگی های پنهان حرکتی را سال ها پیش از بروز لرزش های شدید بالینی برای پزشکان فراهم می آورد.

تحلیل الگوهای مارپیچ و خطوط شکسته با قلم بیومتریک

پژوهشگران در این آزمایش داده های حرکتی 66 داوطلب شامل 31 بیمار مبتلا و 35 فرد سالم را با استفاده از یک قلم هوشمند بیومتریک مورد تحلیل قرار دادند. شرکت نمایندگان دو الگوی هندسی استاندارد شامل خطوط مارپیچ و طرح های زیگزاگی پیوسته موسوم به میَندر (Meander) را ترسیم کردند. این قلم هم زمان با ثبت تصاویر بصری خطوط، اطلاعات حرکتی دست مانند شدت فشار انگشتان، زاویه انحراف قلم نسبت به صفحه، شتاب لحظه ای و تغییرات سرعت ترسیم را در حافظه خود ذخیره کرد.

داده های جمع آوری شده به شبکه های عصبی عمیق داده شد تا ریزترین انحرافات فضایی و لرزش های نامحسوس عضلانی را به دقت ارزیابی نمایند. در گام بعدی الگوریتمی یکپارچه ساز به نام الگوریتم اسنیک (SNAKE Algorithm) خروجی تمام مدل های هوش مصنوعی را ترکیب و وزن دهی کرد. نتیجه این پردازش چندوجهی نشان داد که سامانه قادر است الگوهای خطوط شکسته را با دقت 98.95 درصد و الگوهای مارپیچی را با دقت 97.74 درصد به عنوان نمونه سالم یا بیمار تشخیص دهد.

سازوکار اختلال در ریزنگاری و افت پیغام های عصبی

ریشه موفقیت این آزمون در پدیده ای عصب شناختی به نام میکروگرافیا یا ریزنگاری (Micrographia) نهفته است که بر اثر کاهش سطح دوپامین در عقده های قاعده ای مغز رخ می دهد. هنگامی که ارتباط میان قشر حرکتی مغز و عضلات ظریف دست دچار اختلال می گردد، بیمار بدون آنکه متوجه گردد، کلمات را به مرور ریزتر، فشرده تر و با تغییرات ناگهانی در فشار قلم می نویسد. سنسورهای تعبیه شده در ابزارهای دیجیتال این نوسانات میکروسکوپی فشار و مکث های چندمیلی ثانیه ای را که با چشم پزشک دیده نمی شوند، آشکار می نمایند.

ترکیب تصاویر دوبعدی خطوط با داده های پویای زمانی، نقطه قوت اصلی این روش نسبت به شیوه های سنتی غربالگری بالینی به شمار می رود. ترسیم خطوط مارپیچ روی کاغذ نیازمند هماهنگی مداوم میان چشم و بازخورد عضلانی است؛ پیوندی که در مراحل آغازین آسیب به سلول های تولیدنماینده دوپامین دچار لغزش های پنهان می گردد. اگرچه ارزیابی های گسترده تر در جمعیت های بزرگ تر برای تایید نهایی این الگوریتم لازم است، اما این دستاورد بستر مناسبی برای آزمایش های خانگی و پایش مداوم سلامت سالمندان ایجاد می نماید.

افق معاینه های از راه دور و پرونده دیجیتال سلامت

توسعه چنین ابزارهای مقرون به صرفه قیمتی می تواند چهره خدمات پزشکی در منطقه ها دورافتاده و محروم از متخصص مغز و اعصاب را دگرگون کند. بیمار می تواند با یک قلم دیجیتال استاندارد در خانه چند طرح ساده رسم کند و پرونده حرکتی او مستقیماً برای تحلیل ابری به مراکز درمانی ارسال گردد. این دستاورد مسیر گذار از روینمودهای درمانی واکنشی به سوی پزشکی پیشگیرانه و مراقبت های سلامت دقیق را هموارتر خواهد نمود و بار سنگین هزینه های بستری و ناتوانی مفرط را به شکل محسوسی کاهش می دهد.

منبع: Discover Computing

پیشنهاد اختصاصی سردبیر (علیرضا مجیدی)

این مقاله مجذوب کننده و جالب بود؟! پس برای خواندن این نوشته های مرتبط کلیک کنید:

• چرا میزان لاستیک های جلو و عقب تراکتور با هم فرق دارند؟
• هشدار امنیتی؛ این 19 افزونه محبوب کروم حساب ارز دیجیتال کاربران را خالی می نمایند
• ماجرای جالب حضور خودروی پلیس واقعی در بازی GTA 6
• رز صحرا چیست؟ گیاهی زیبا با شیره سمی و خواص درمانی
• نقد و آنالیز فصل دوم سریال دارک متر dark matter اپل تی وی؛ پیچیدگی های سفر در چندجهانی
• جی تی ای 6: واکاوی اختصاصی GTAVI، مورد انتظارترین بازی ویدیویی دهه