دکتر سوفی آدلر، یکی از نویسندگان ارشد مؤسسه سلامت کودکان کالج دانشگاهی لندن، افزود: “ما معتقدیم که این فناوری ممکن است به کشف ناهنجاری هایی که اکنون نادیده گرفته شده اند و باعث صرع می شوند، کمک کند. در دراز مدت، آن ممکن است این امکان را برای بیماران مبتلا به صرع فراهم کند تا تحت عمل جراحی احتمالاً درمانی مغز قرار گیرند.
صرع یک بیماری عصبی شدید است که 1 درصد از جمعیت جهان را تحت تاثیر قرار می دهد و با تشنج های مکرر مشخص می شود.
این بسیار مهم است زیرا اگر پزشکان بتوانند ناهنجاری را در اسکن مغز شناسایی کنند، جراحی برای برداشتن آن می تواند منجر به بهبودی شود.
دکتر کنراد واگستیل، یکی از نویسندگان ارشد مؤسسه نورولوژی کوئین اسکوئر UCL، اضافه کرد: «این الگوریتم ممکن است شناسایی این ضایعات پنهان در کودکان و بزرگسالان مبتلا به صرع را آسانتر کند، که این امر باعث افزایش تعداد بیمارانی میشود که به طور بالقوه میتوانند از این بیماری بهرهمند شوند. جراحی مغز برای درمان وضعیت آنها و تقویت عملکرد شناختی. در انگلستان، جراحی صرع می تواند به حدود 440 کودک در سال کمک کند.”
یک تیم تحقیقاتی چندملیتی به رهبری UCL یک برنامه هوش مصنوعی (AI) توسعه داده اند که می تواند ناهنجاری های کوچک مغزی را که منجر به تشنجات صرعی می شود شناسایی کند. الگوریتم مورد استفاده در پروژه تشخیص ضایعه صرع چند مرکزی (MELD)، مکان ناهنجاریها را در موارد دیسپلازی قشر کانونی مقاوم به دارو (FCD)، که یکی از علل اصلی صرع است، گزارش میکند، با استفاده از بیش از 1000 اسکن MRI بیمار از 22 اسکن بینالمللی توسعه یافته است. مراکز صرع
محدودیت های مطالعه
دانشمندان حدود 300000 مکان را در سرتاسر مغز به کار گرفتند تا ویژگیهای قشر مغز را از اسکنهای MRI، مانند میزان ضخیم یا چینخوردگی سطح قشر/مغز، تعیین کنند.
رادیولوژیستها قبلاً قادر به کشف ناهنجاریهای 178 بیمار بر اساس نتایج MRI نبودند. با این حال، الگوریتم MELD قادر به تشخیص FCD در 63 درصد از این موارد بود.
22 بیمارستان شرکتکننده در این مطالعه از اسکنرهای MRI مختلف از سراسر جهان استفاده کردند که این الگوریتم را قویتر میکرد اما شاید بر حساسیت و ویژگی آن نیز تأثیر بگذارد.