الگوریتم هوش مصنوعی که ناهنجاری‌ها را در مغز تشخیص می‌دهد ممکن است به درمان صرع کمک کند

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.

حدود 600000 نفر در بریتانیا تحت تاثیر قرار گرفته اند. اکثر بیماران صرعی را می توان با داروها درمان کرد، اگرچه 20 تا 30 درصد آنها از آنها سودی نمی برند.

این مطالعه تشخیص FCD از بزرگترین گروه MRI FCDs تا به امروز استفاده می‌کند و آن را قادر می‌سازد همه زیرگروه‌های FCD را شناسایی کند.

نواحی مغز که به عنوان FCD شناخته می شوند به طور نامناسب تکامل یافته اند و اغلب منجر به صرع مقاوم به دارو می شوند. معمولاً برای درمان آن از جراحی استفاده می‌شود، با این حال، یافتن ضایعات در MRI یک مشکل همیشگی برای پزشکان است زیرا اسکن‌های MRI برای FCD می‌تواند طبیعی به نظر برسد.

طبق نتایجی که در Brain (538 شرکت کننده) منتشر شد، به طور کلی، الگوریتم در شناسایی FCD در 67 درصد موارد در گروه موفق بود.

ماتیلد ریپارت، نویسنده اول از موسسه بهداشت کودکان UCL Great Ormond Street، اظهار داشت: “ما بر توسعه یک سیستم هوش مصنوعی متمرکز شدیم که قابل تفسیر باشد و بتواند به پزشکان در تصمیم گیری کمک کند. یک گام مهم در این فرآیند نشان دادن به پزشکان بود. پزشکان چگونه الگوریتم MELD پیش بینی های خود را ایجاد کرد.

دکتر هانا اسپیتزر، یکی از اولین نویسندگان از هلمهولتز مونیخ، اظهار داشت: “سیستم ما به طور خودکار تشخیص ضایعات از هزاران اسکن MRI بیمار را می آموزد. این سیستم قادر است ضایعات را در انواع، اشکال و اندازه های مختلف، از جمله چندین مورد از رادیولوژیست ها شناسایی کند. قبلا نادیده گرفته شده بود

سپس این سیستم در مورد مواردی که رادیولوژیست‌های باتجربه بر اساس الگوها و ویژگی‌هایشان به‌عنوان مبتلا به FCD یا مغز سالم طبقه‌بندی کرده بودند، آموزش داده شد.