تشخیص پارکینسون از روی چشم ۷ سال زودتر از بروز علایم
تاریخ انتشار: ۳۱ مرداد ۱۴۰۲ | کد خبر: ۳۸۵۲۲۴۱۵
دانشمندان می‌گویند هوش مصنوعی می‌تواند پارکینسون را ۷ سال قبل از تشخیص بالینی از روی اسکن شبکیه چشم تشخیص دهد.
به گزارش ایسنا و به نقل از آی‌ای، پژوهشگران می‌گویند تصاویر سه بعدی شبکیه با وضوح بالا دارای نشانگرهای خاصی هستند که می‌توانند خطر ابتلا به پارکینسون را در فرد نشان دهند. اکنون یک برنامه جدید هوش مصنوعی می‌تواند این نشانگرها را شناسایی کند و بگوید که آیا شما به این بیماری مبتلا می‌شوید یا خیر.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمی‌شوند!
اگرچه بیماری پارکینسون(PD) غیر قابل درمان است، اما گزارش سازمان غیرانتفاعی شورای ملی سالمندی نشان می‌دهد که تشخیص و درمان زودهنگام آن می‌تواند به بیماران کمک کند تا حتی با وجود ابتلا به این بیماری، زندگی طولانی و مفیدی داشته باشند.
با این حال، در واقعیت، حتی در سن ۵۰ سالگی نیز کمتر از ۱۰ درصد از بیماران مبتلا به پارکینسون تشخیص داده می‌شوند. در واقع، اکثر بیماران مبتلا به پارکینسون در دهه ۶۰ زندگی خود متوجه این بیماری می‌شوند و دیگر در آن زمان، برای اثربخشی هر درمانی خیلی دیر شده است.
اکنون پژوهشگران کالج دانشگاهی لندن و بیمارستان چشم مورفیلدز به این مشکل رسیدگی کرده‌اند و در آخرین مطالعه خود، راه حلی مبتنی بر هوش مصنوعی را پیشنهاد کرده‌اند که می‌تواند پارکینسون را در بیماران، هفت سال قبل از روش‌های تشخیصی فعلی تشخیص دهد.
این مطالعه نشان می‌دهد که چشمان انسان نشانگرهایی برای بیماری پارکینسون دارد. برنامه هوش مصنوعی آنها می‌تواند چنین نشانگرهایی را در اسکن سه بعدی شبکیه شناسایی کند و بینش‌هایی را در مورد خطر بالقوه فرد برای ابتلا به این بیماری ارائه دهد.
دکتر زیگفرید واگنر پژوهشگر ارشد و متخصص چشم در کالج دانشگاهی لندن می‌گوید: یافتن علائم تعدادی از بیماری‌ها قبل از ظهور علائم بالینی به این معنی است که در آینده، افراد می‌توانند زمان لازم را برای ایجاد تغییرات در سبک زندگی برای جلوگیری از بروز برخی بیماری‌ها داشته باشند و پزشکان می‌توانند شروع و تأثیر اختلالات عصبی که تغییر دهنده زندگی هستند را به تأخیر بیندازند.
چشمان ما واقعا پنجره‌ای به درون بدن ما هستند
مطالعه حاضر اولین مطالعه‌ای نیست که گزارش می‌دهد بیماریهای عصبی مانند پارکینسون را می‌توان با بررسی اسکن شبکیه شناسایی کرد.
پژوهشگران در گذشته از مقطع‌نگاری همدوسی اپتیکی(OCT) و اسکن سه بعدی شبکیه با وضوح بالا برای تشخیص مشکلات مربوط به چشم و اختلالات عصبی مانند اسکیزوفرنی، بیماری آلزایمر و ام‌اس استفاده کرده‌اند.
مقطع‌نگاری همدوسی اپتیکی به دانشمندان اجازه می‌دهد تا در مقیاس یک هزارم میلی‌متر درون چشم بزرگ‌نمایی کنند و ناهماهنگی‌ها و ناهنجاری‌ها را در لایه‌های سلولی مختلف بررسی کنند.
نویسندگان مطالعه حاضر حتی ادعا می‌کنند که مقطع‌نگاری همدوسی اپتیکی روشی بهتر، ارزان‌تر و سریع‌تر برای تشخیص پارکینسون نسبت به روش اسکن مغز است.
پژوهشگران خاطرنشان می کنند: این تصاویر برای نظارت بر سلامت چشم بسیار مفید هستند، اما ارزش آنها بسیار فراتر است، زیرا اسکن شبکیه چشم تنها راه غیر تهاجمی برای مشاهده لایه‌های سلولی زیر سطح پوست است.
به عنوان مثال، مطالعه‌ای که در سال ۲۰۱۵ منتشر شد، نشان می‌دهد که اگر اسکن OCT از چشم‌های یک فرد نشان دهد که شبکیه چشم‌هایشان نازک‌تر از GCIPL (لایه پلکسی‌فرم داخلی سلول گانگلیونی) است، در معرض خطر بیشتری برای ابتلا به پارکینسون است.
مطالعه دیگری که در سال ۲۰۲۱ منتشر شد، نشان می‌دهد که افراد مبتلا به پارکینسون در مقایسه با افرادی که از سلامت خوبی برخوردار هستند، احتمال بیشتری دارد که شبکیه‌هایی با لایه هسته‌ای داخلی نازک‌تر(INL) داشته باشند.
با این حال، هیچ یک از تحقیقات قبلی راهی برای تشخیص پارکینسون چندین سال قبل از تشخیص بالینی پیشنهاد نکرده است.
مطالعه حاضر این یافته‌ها را تایید می‌کند و یک روش مبتنی بر هوش مصنوعی را برای تشخیص زودهنگام بیماری با استفاده از روش OCT نشان می‌دهد.
هوش مصنوعی بدون هیچ مشکلی پارکینسون را تشخیص می‌دهد
پژوهشگران برای شناسایی نشانگرهای خاص پارکینسون در چشم، یک برنامه هوش مصنوعی توسعه دادند و سپس آن را با استفاده از دو مجموعه بزرگ داده آموزش دادند. ابتدا هوش مصنوعی اطلاعات AlzEye، بزرگترین پایگاه داده تصاویر شبکیه در جهان را بررسی کرد که در مجموع شامل بیش از ۶.۲ میلیون تصویر شبکیه است.
پژوهشگران در مرحله بعد، داده‌های OCT ۸۵ هزار بیمار از Biobank بریتانیا را از طریق هوش مصنوعی خود مورد بررسی قرار دادند.
در نهایت این گروه پژوهشی با استفاده از این دو مجموعه داده گسترده و قدرتمند موفق شد نشانگرهای ظریف مرتبط با بیماری پارکینسون را در شبکیه چشم بیابد.
این کار پتانسیل داده‌های چشمی را نشان می‌دهد که با استفاده از فناوری برای برداشتن علائم و تغییرات بسیار ظریف برای انسان قابل مشاهده است.
آلیستر دنیستون یکی از نویسندگان این مطالعه و مشاور چشم پزشکی در دانشگاه بیرمنگام می‌گوید: اکنون می‌توانیم علائم اولیه پارکینسون را تشخیص دهیم و فرصت‌های جدیدی را برای درمان آن ایجاد کنیم.
پژوهشگران پیشنهاد می‌کنند که اگر داده‌های OCT از جمعیت بزرگی در دسترس باشد، نه تنها پارکینسون، بلکه بسیاری از بیماریهای دیگر را نیز می‌توان در مراحل اولیه پیش‌بینی کرد.
این تکنیک مبتنی بر هوش مصنوعی می‌تواند به عنوان یک روش سریع، مقیاس‌پذیر و غیر تهاجمی برای تشخیص بیماری‌ها ظاهر شود. به علاوه، این پتانسیل را نیز دارد که به میزان قابل توجهی بار بیماری‌هایی مانند پارکینسون را بر روی بیماران و بیمارستان‌ها کاهش دهد.
با این حال، پژوهشگران اعتراف می‌کنند که این تازه آغاز راه است و تحقیقات بیشتری برای تأیید یافته‌های آنها، بهبود تکنیک فعلی و تبدیل تشخیص هوش مصنوعی به یک روش اصلی مورد نیاز است.
این مطالعه در مجله Neurology منتشر شده است.
انتهای پیام
منبع: ایسنا
کلیدواژه: پارکینسون دنیای هوش مصنوعی شبکیه کنکور 1402 معاونت علمي و فناوري رياست جمهوري دکتر روح الله دهقانی فیروزآبادی برنامه برش استانی دانش بنیان مهار تورم و رشد تولید اقتصاد دانش بنیان انتخاب رشته دانشگاه آزاد اسلامي کنکور 1402 معاونت علمي و فناوري رياست جمهوري دکتر روح الله دهقانی فیروزآبادی دانشگاه آزاد اسلامي نشان می دهد هوش مصنوعی برای تشخیص شبکیه چشم بیماری ها
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.isna.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «ایسنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۸۵۲۲۴۱۵ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
گزارشگر قديمى راديو دار فانى را وداع گفت