مدل هوش مصنوعی که می‌تواند با استفاده از از الگوهای تنفسی، پارکینسون را تشخیص دهد
MIT یک دستگاه با ظاهری شبیه به روتر Wi-Fi توسعه داده است که از یک شبکه عصبی برای تشخیص وجود و شدت یکی از سریع ترین بیماری‌های عصبی در جهان یعنی پارکینسون استفاده می کند.
تشخیص بیماری پارکینسون بسیار دشوار است زیرا تشخیص این بیماری معمولا مربوط به علائم حرکتی مانند لرزش، سفتی و کندی حرکت عضله و .. بستگی دارد، اما این علائم اغلب چندین سال پس از شروع بیماری ظاهر می‌شوند. در حال حاضر Dina Katabi Thuan (1990) و Nicole Pham دو استاد گروه مهندسی برق و علوم کامپیوتر در MIT و محقق در کلینیک MIT Jameel به همراه تیمشان یک مدل هوش مصنوعی ایجاد کرده‌اند که می‌تواند بیماری پارکینسون را با استفاده از خواندن الگوهای تنفسی فرد تشخیص دهد.
ابزار مورد بحث یک شبکه عصبی است. مجموعه‌ای از الگوریتم‌های به هم متصل که نحوه عملکرد مغز انسان را تقلید می‌کند و می‌تواند از طریق پایش تنفس شبانه فرد تشخیص دهد که آیا به بیماری پارکینسون مبتلا است یا خیر. این روش الگوهای تنفسی که هنگام خواب رخ می‌دهند را رصد و پایش می‌کند. این شبکه عصبی توسط دانشجوی دکترای Yuan Yuan و Yuzhe Yang دانشجوی فوق دکتری MIT آموزش داده شده است. این روش همچنین می‌تواند شدت بیماری پارکینسون افراد را تشخیص دهد و پیشرفت بیماری آن‌ها را در طول زمان ردیابی کند. یوان و ۱۲ نفر از همکارانش از دانشگاه Rutgers، مرکز پزشکی دانشگاه Rochester، کلینیک Mayo، بیمارستان عمومی ماساچوست و کالج سلامت و توانبخشی دانشگاه بوستون برای همراهی آن‌ها به این تحقیق ملحق شدند.
در طول سال‌ها محققان پتانسیل تشخیص پارکینسون را با استفاده از مایع نخاع مغزی و تصویربرداری عصبی (neuroimaging) بررسی کرده‌اند اما چنین روش‌هایی پرهزینه هستند و نیاز به دسترسی به مراکز پزشکی تخصصی دارند. بنابراین استفاده از روش‌ها برای آزمایش‌های مکرر نمی‌تواند پایدار و موثر باشند.
محققان MIT نشان دادند که ارزیابی با روش هوش مصنوعی می‌تواند تشخیص پارکینسون را هر شب در خانه در حالی که فرد خواب است، بدون اینکه به بدن فرد دست زده شود به راحتی انجام داد. برای انجام این کار تیم دستگاهی با ظاهری شبیه به یک روتر wifi خانگی توسعه دادند اما به جای دسترسی به اینترنت، دستگاه سیگنال‌های رادیویی منتشر می‌کند و بازتاب‌های آن‌ها را از محیط اطراف آنالیز می‌کند و الگوهای تنفسی فرد را بدون هیچ گونه تماس بدنی استخراج می‌کند. سپس سیگنال تنفسی برای ارزیابی پارکینسون به صورت غیرفعال به شبکه عصبی داده می شود، پس هیچ تلاشی از جانب بیمار و مراقبت از او نیاز نیست.
رابطه بین پارکینسون و تنفس برای اولین بار در اوایل سال ۱۸۱۷ در کار دکتر جیمز پارکینسون ذکر شد. این ما را برانگیخت تا پتانسیل تشخیص بیماری را از طریق تنفس بدون نگاه کردن به حرکات دیگر در نظر بگیریم. برخی از مطالعات پزشکی نشان داده است که علائم تنفسی سال‌ها قبل از علائم حرکتی ظاهر می‌شوند. به این معنی که ویژگی‌های تنفسی می‌تواند برای ارزیابی خطر قبل از تشخیص پارکینسون امیدوار کننده باشد.
پارکینسون که سریع‌ترین بیماری عصبی در جهان است، پس ا آلزایمر به عنوان دومین اختلال عصبی شایع شناخته می شود. تنها در ایالات متحده سالانه بیش از ۱ میلیون نفر به این بیماری مبتلا می‌شوند و بار اقتصادی سالانه ۵۱.۹ میلیارد دلار را به همراه دارد. الگوریتم این تیم تحقیقاتی بر روی ۷۶۸۷ فرد از جمله ۷۵۷ بیمار پارکینسون آزمایش شد.
Katabi خاطرنشان می کند که این مطالعه پیامدهای مهمی برای روش‌های توسعه داروی پارکینسون و مراقبت‌های بالینی دارد. از نظر توسعه دارو نتایج می‌تواند زمان آزمایش‌های بالینی را به طور قابل توجهی کوتاه‌تر کند که در نهایت توسعه درمان‌های جدید را تسریع کند. از جنبه مراقبت‌های بالینی این رویکرد می‌تواند به ارزیابی بیماران پارکینسون در جوامع سنتی کمک کند. مواردی مانند کسانی که در مناطق روستایی زندگی می‌کنند و کسانی که به دلیل محدودیت حرکتی یا اختلالات شناختی نمی توانند خانه را ترک کنند.
Ray Dorsey, پروفسور نورولوژی در دانشگاه روچستر و متخصص پارکینسون که در نوشتن این مقاله مشارکت داشت، می‌گوید: «ما در این قرن هیچ پیشرفت درمانی نداشته‌ایم که نشان دهد رویکردهای فعلی ما برای ارزیابی روش‌های جدید درمان از حد مطلوب کمتر است. دورسی همچنین اضافه می‌کند که این مطالعه احتمالاً یکی از بزرگترین مطالعات درحوزه خواب است که تاکنون در مورد پارکینسون انجام شده است. ما اطلاعات بسیار محدودی در مورد علائم بیماری در محیط طبیعی داریم و دستگاه Katabi’s به شما این امکان را می‌دهد که ارزیابی‌های عینی و واقعی از نحوه عملکرد افراد در خانه دریافت کنید.
قیاسی که من دوست دارم [از ارزیابی‌های فعلی پارکینسون] ترسیم کنم، مانند نور چراغ در شب است، و چیزی که از این چراغ می‌بینیم بخش بسیار کوچکی است… حسگر کاملاً بدون تماس [Katabi] به ما کمک می‌کند تاریکی شب را روشن کنیم.»
این تحقیق با همکاری دانشگاه روچستر، کلینیک مایو و بیمارستان عمومی ماساچوست انجام شد و توسط مؤسسه ملی بهداشت و با حمایت بنیاد ملی علوم و بنیاد مایکل جی فاکس انجام شد.
منبع: مدل هوش مصنوعی که می‌تواند با استفاده از از الگوهای تنفسی، پارکینسون را تشخیص دهد از وبسایت MIT.
نویسنده: تیم مارکتینگ آسا
