گامی بزرگ برای تخمین سن زیستی مغز انسان/ تشخیص زودهنگام بیماری های عصبی

از سوی محققان دانشگاه تهران انجام شد؛

به گزارش خبرنگار خبرگزاری آنا ایمان کیانیان دانشجوی کارشناسی ارشد علوم کامپیوتر دانشگاه تهران روشی نوین برای تخمین سن زیستی مغز انسان معرفی کرده است که می تواند گامی مؤثر در تشخیص زودهنگام بیماری های عصبی مرتبط با پیری مانند آلزایمر و پارکینسون باشد. تخمین سن زیستی مغز بر اساس ویژگی های ساختاری و عملکردی ابزاری کارآمد در ارزیابی روند پیری مغز و پیش بینی تغییرات شناختی است.

مدلی  در دانشگاه تهران با عنوان «مدل دومسیره حریص» معرفی شد که بر پایه یادگیری ماشین و استفاده از تصاویر ام آر آی طراحی شده است  و می تواند بدون نیاز به داده های وسیع و پرهزینه دقت بالایی در تحلیل و تخمین سن مغز به دست آورد.

مدل معرفی شده با استفاده از شبکه های عصبی پیچیده و الگوریتم های یادگیری عمیق تصاویر ام آر آی مغز را به صورت مقطعی تجزیه و تحلیل می کند. این مدل از دو مسیر برای تحلیل هم زمان اطلاعات استفاده می کند. مسیر محلی که به بررسی دقیق بخش های خاصی از مغز می پردازد و مسیر کلی که از دید جامع تری برای تحلیل بهره می برد. سپس نتایج به دست آمده از هر دو مسیر توسط یک بخش ویژه برای اصلاح و ترکیب نهایی پردازش می شوند. در نهایت این پردازش ترکیبی تخمینی دقیق از سن زیستی مغز ارائه می دهد که برای ارزیابی سریع و دقیق وضعیت مغزی و سلامت شناختی فرد بسیار کاربردی است.

یکی از چالش های موجود در فرایند این پژوهش فقدان دسترسی به مجموعه داده های بزرگ ام آر آی در ایران بوده است. در حالی که بسیاری از مدل های پیشرفته در این زمینه برای عملکرد بهینه به داده های وسیع و متنوع نیاز دارند این مدل با استفاده از داده های محدود داخلی توانسته است به نتایج قابل مقایسه ای با مدل های پیچیده تر دست یابد. بهره گیری از داده های داخلی همچنین به دلیل ویژگی های خاص زیستی و فرهنگی ملیت ایرانی امکان تحلیل های دقیق تر و واقع گرایانه تر را فراهم کرده است. این امر نشان دهنده قدرت مدل در انطباق با داده های محلی و کارایی آن در موقعیت هایی با داده های محدود است.

این مدل سرعت بالایی در پردازش دارد و قادر است با دریافت تصویر ام آرآی سن زیستی مغز را در کمتر از یک ثانیه تشخیص بدهد. این سرعت به ویژه در ارزیابی های بالینی و پایش های سریع کاربرد دارد و می تواند به پزشکان کمک کند تا با دقت بیشتری وضعیت شناختی بیماران خود را ارزیابی کنند و اقدامات پیشگیرانه و درمانی لازم را در زمان مناسب آغاز نمایند.

روش پیشنهادی این امکان را دارد که به ابزاری جامع تر برای پیش بینی و تحلیل روند پیری مغز تبدیل شود. به عنوان مثال با جمع آوری داده های بیشتر و بهبود فناوری های تصویربرداری مدل های پیشرفته ای می توانند توسعه یابند که با داده های گسترده تر و پیچیده تر کار کنند و الگو های دقیق تری از پیری مغز را شناسایی کنند. این فناوری همچنین می تواند به عنوان ابزاری برای پایش مستمر وضعیت مغز به کار رود و به پزشکان و محققان کمک کند تا از روند پیری مغز در سطح کلان و به مرور زمان آگاهی پیدا کنند.

این روش نوین نه تنها به پزشکان و محققان در تشخیص و درمان بیماری های مرتبط با سن کمک می کند بلکه با ایجاد یک پایه علمی برای توسعه فناوری های آینده راه را برای ظهور ابزار های پیشرفته تر و مقرون به صرفه تر در حوزه پزشکی باز می کند. سرمایه گذاری در چنین مدل هایی علاوه بر ارتقای کیفیت زندگی می تواند تأثیرات مثبتی بر بهبود سلامت عمومی و کاهش بار مالی درمان بیماری های مرتبط با پیری مغز داشته باشد.