سایک نیوز به نقل از دانشگاه صنعتی کاوناس: تشخیص به موقع بیماری پارکینسون، مسئله ای بسیار مهم در چگونگی روند بیماری است. بیش از 10 میلیون نفر در سراسر جهان با این بیماری زندگی می کنند. هیچ درمان قطعی برای آن وجود ندارد، اما اگر علائم به موقع تشخیص داده شوند، می توان بیماری را کنترل کرد. با پیشرفت بیماری پارکینسون، همراه با علائم دیگر، گفتار نیز تغییر می کند.

ریتیس ماسکلیوناس، محقق لیتوانیایی از دانشگاه فناوری کاوناس به همراه همکارانش سعی کردند با استفاده از داده های صوتی علائم اولیه بیماری پارکینسون را شناسایی کنند.

بیماری پارکینسون معمولاً با از دست دادن عملکرد حرکتی، لرزش دست، سفتی عضلات یا مشکلات تعادل همراه است. طبق گفته ماسکلیوناس، با کاهش فعالیت حرکتی، عملکرد تارهای صوتی، دیافراگم و ریه ها نیز کاهش می یابد: تغییرات در گفتار اغلب حتی زودتر از اختلالات عملکرد حرکتی رخ می دهد. گفتار ممکن است اولین علامت بیماری باشد.

گسترش پایگاه داده زبان هوش مصنوعی

به گفته پروفسور ویرجیلیوس اولوزاس، در بخش گوش، حلق و بینی در دانشکده پزشکی (LSMU)، بیمارانی که در مراحل اولیه بیماری پارکینسون قرار دارند، ممکن است به شیوه‌ای آرام‌تر صحبت کنند، همچنین ممکن است یکنواخت، کم‌تر، کندتر و آهسته‌تر صحبت کنند و فهمیدن صحبت های آنها بسیار دشوار است. با پیشرفت بیماری، گرفتگی صدا، لکنت زبان، تلفظ نامفهوم کلمات و از دست دادن مکث بین کلمات می تواند آشکارتر شود.

با در نظر گرفتن این علائم، یک تیم مشترک از محققان لیتوانیایی، سیستمی را برای تشخیص زودتر بیماری ایجاد کرده اند.
ماسکلیوناس، محقق KTU می گوید: ما جایگزینی برای معاینه معمول بیمار ایجاد نمی کنیم، روش ما برای تسهیل تشخیص زودهنگام بیماری و ردیابی اثربخشی درمان طراحی شده است.

به گفته وی، ارتباط بین بیماری پارکینسون و ناهنجاری‌های گفتاری در دنیای تجزیه و تحلیل سیگنال دیجیتال که از دهه 1960 شناخته شده و مورد تحقیق قرار گرفته است، تازگی ندارد. با این حال، با پیشرفت تکنولوژی، استخراج اطلاعات بیشتر از گفتار ممکن شده است.

در این مطالعه، محققان از هوش مصنوعی (AI) برای تجزیه و تحلیل و ارزیابی سیگنال های گفتاری استفاده کردند، جایی که محاسبات انجام می شود و تشخیص ها در چند ثانیه به جای ساعت ها انجام می شود. این مطالعه همچنین منحصربه‌فرد است و نتایج متناسب با ویژگی‌های زبان لیتوانیایی طراحی شده است، به این ترتیب پایگاه داده زبان هوش مصنوعی را گسترش می‌دهد.

این الگوریتم در آینده به یک اپلیکیشن موبایل تبدیل خواهد شد.

کیپراس پریبویسیس، مدرس بخش گوش، حلق و بینی در دانشکده پزشکی (LSMU)، در مورد پیشرفت این مطالعه، تأکید می‌کند که این مطالعه فقط بر روی بیمارانی انجام شده است که قبلاً به پارکینسون مبتلا شده‌اند: اکنون، رویکرد ما قادر به تشخیص پارکینسون از افراد سالم با استفاده از نمونه گفتار است. این الگوریتم همچنین دقیق‌تر از آنچه قبلاً پیشنهاد شده بود، می باشد.

در یک غرفه عایق صدا، از یک میکروفون برای ضبط گفتار بیماران سالم و پارکینسونی استفاده شد و یک الگوریتم هوش مصنوعی با ارزیابی این ضبط‌ها، پردازش سیگنال را “یاد گرفت”. محققان تاکید می‌کنند که این الگوریتم به سخت‌افزار قدرتمندی نیاز ندارد و می‌تواند در آینده به یک اپلیکیشن موبایل منتقل شود.

ماسکلیوناس می‌گوید: نتایج ما، که قبلاً منتشر شده‌اند، پتانسیل علمی بسیار بالایی دارند. مطمئناً، هنوز راه طولانی و چالش‌برانگیزی برای استفاده از آن در عمل بالینی روزمره وجود دارد.

به گفته این محقق، گام‌های بعدی شامل افزایش تعداد بیماران برای جمع‌آوری داده‌های بیشتر و تعیین برتری الگوریتم پیشنهادی نسبت به روش‌های جایگزین مورد استفاده برای تشخیص زودهنگام پارکینسون است. علاوه بر این، بررسی اینکه آیا الگوریتم نه تنها در محیط‌های شبیه آزمایشگاه، بلکه در مطب پزشک یا در خانه بیمار نیز به خوبی کار می‌کند، ضروری است.