به گزارش سایک نیوز به نقل از ایرنا، پژوهشگران دانشگاه مالاگا و گرانادای اسپانیا برای تشخیص زودهنگام آلزایمر و پارکینسون، با استفاده از تکنیک یادگیری عمیق، به شیوه جدیدی دست یافته اند.
یورک الرت در این خصوص می نویسد: هدف این تکنیک هوش مصنوعی، مدل‌سازی استنتاج از داده‌های سطح بالا به‌منظور فراهم کردن امکان تشخیص مغز اشخاص سالم و بیمار از طریق شناسایی بخش‌هایی از مغز است که تحت تاثیر بیماری قرار گرفته‌اند.
در این پژوهش ها که به منظور جلوگیری از ابتلای افراد به آلزایمر انجام گرفت، پژوهشگران از تکنیک یادگیری عمیق برای محاسبه عملکرد مغز و از فناوری MRI برای تصویربرداری از آن استفاده نمودند. همچنین برای شبیه‌سازی عملکرد هر بخش از مغز، از شبکه‌های عصبی مختلف بهره گرفته شد. سپس تصاویر به دست آمده از بخش خاکستری مغز بر اساس آناتومی مغز انسان تفکیک و هرگروه از تصاویر برای آموزش یکی از شبکه‌های عصبی مورد استفاده قرار گرفت. پس از آن دانش کسب شده توسط هریک از این شبکه‌های عصبی با استفاده از تکنیک‌های خاصی ترکیب شد تا عملکرد مغز انسان را در یادگیری نشان دهد.
نتایج این پژوهش ها، کاربردهای بالقوه هوش مصنوعی را برای شناسایی الگوهای مربوط به بیماری‌های مختلف نشان می‌دهد. این پژوهش ها زمینه‌ساز توسعه روش‌های درمانی جدید برای بیماری آلزایمر و پارکینسون محسوب می‌شود.
بیماری پیشرونده آلزایمر، شایع ترین نوع زوال ذهن است که باعث اختلال در حافظه، تفکر و رفتار فرد می شود. این بیماری از دیدگاه علمی بر اثر کاهش سروتونین در مغز بروز می کند و به این ترتیب انتقال پیام های عصبی مختل می شود. دلیل این بیماری همیشه کهولت سن نیست و عوامل ژنتیکی، سکته مغزی و شوک عاطفی نیز می توانند منجر به این بیماری شوند.
بر اساس آمار مرکز بین المللی آلزایمر، در حال حاضر ۴۶٫۸ میلیون نفر در سراسر جهان به زوال ذهن مبتلا هستند و این تعداد تا سال ۲۰۵۰ میلادی، به ۱۳۱٫۵ میلیون نفر به ویژه در کشورهای در حال توسعه می رسد.
پژوهشگران دانشگاه کالیفرنیا در سان فرانسیسکو چاقی، باریک شدن شریان کاروتید، سطح پایین تحصیلات، افسردگی، فشار خون بالا، کم تحرکی، استعمال دخانیات، سطح بالای اسید آمینه و دیابت نوع ۲ را به عنوان مهمترین عوامل خطر در ابتلا به آلزایمر برشمرده اند.
گزارش کامل این تحقیقات در نشریه International Journal of Neural System منتشر شده است.
بیشتر بخوانید:
