تشخیص بیماری پارکینسون از طریق صدا با استفاده از هوش مصنوعی
تاریخ انتشار: ۷ بهمن ۱۴۰۱ | کد خبر: ۳۶۹۴۹۳۰۹
بیش از ۱۰ میلیون نفر در سراسر جهان با بیماری پارکینسون زندگی میکنند. هیچ درمانی برای آن وجود ندارد، اما اگر علائم به موقع تشخیص داده شود، میتوان بیماری را کنترل کرد. با پیشرفت بیماری پارکینسون، همراه با علائم دیگر، گفتار نیز تغییر میکند.
ماسکلیوناس محقق لیتوانیایی از دانشگاه فناوری کاوناس (KTU)، به همراه همکارانش از دانشگاه علوم بهداشت لیتوانی (LSMU)، سعی کردند با استفاده از دادههای صوتی علائم اولیه بیماری پارکینسون را شناسایی کنند.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
بیماری پارکینسون معمولا با از دست دادن عملکرد حرکتی و لرزش دست، سفتی عضلات یا مشکلات تعادل همراه است. طبق گفته ماسکلیوناس، محقق دپارتمان مهندسی چند رسانهای KTU، با کاهش فعالیت حرکتی، عملکرد تارهای صوتی، دیافراگم و ریهها نیز کاهش مییابد. تغییرات در گفتار اغلب حتی زودتر از اختلالات عملکرد حرکتی رخ میدهد، به همین دلیل است که تغییر گفتار ممکن است اولین علامت بیماری باشد.
گسترش پایگاه داده زبان هوش مصنوعی
به گفته پروفسور ویرجیلیوس اولوزاس، در گروه گوش، حلق و بینی در دانشکده پزشکی LSMU، بیماران مبتلا به پارکینسون در مراحل اولیه ممکن است به شیوهای آرامتر صحبت کنند که میتواند یکنواخت، کمتر بیان و کندتر و تکه تکه باشد و این بسیار دشوار است که با گوش متوجه شوید. با پیشرفت بیماری، گرفتگی صدا، لکنت زبان، تلفظ نامفهوم کلمات و از دست دادن مکث بین کلمات میتواند آشکارتر شود.
با در نظر گرفتن این علائم، یک تیم مشترک از محققان لیتوانیایی سیستمی را برای تشخیص زودتر بیماری ایجاد کردهاند.
ماسکلیوناس، محقق KTU، گفت: ما جایگزینی برای معاینه معمول بیمار ایجاد نمیکنیم، روش ما برای تسهیل تشخیص زودهنگام بیماری و ردیابی اثربخشی درمان طراحی شده است.
به گفته او، ارتباط بین بیماری پارکینسون و ناهنجاریهای گفتاری در دنیای تحلیل سیگنال دیجیتال چیز جدیدی نیست، از دهه ۱۹۶۰ شناخته شده و مورد تحقیق قرار گرفته است. با این حال با پیشرفت تکنولوژی، استخراج اطلاعات بیشتر از گفتار ممکن میشود.
در مطالعه خود، محققان از هوش مصنوعی (AI) برای تجزیه و تحلیل و ارزیابی سیگنالهای گفتاری استفاده کردند، جایی که محاسبات انجام میشود و تشخیصها به جای چند ساعت در چند ثانیه انجام میشود. این مطالعه همچنین منحصربهفرد است، نتایج با توجه به ویژگیهای زبان لیتوانیایی طراحی شدهاند و به این ترتیب پایگاه داده زبان هوش مصنوعی را گسترش میدهند.
این الگوریتم در آینده به یک اپلیکیشن موبایل تبدیل خواهد شد
Kipras Pribuišis، مدرس بخش گوش، حلق و بینی در دانشکده پزشکی LSMU، در مورد پیشرفت این مطالعه، تاکید کرد که این مطالعه تنها روی بیمارانی انجام شده است که قبلا به پارکینسون مبتلا شدهاند. رویکرد ما قادر به تشخیص پارکینسون از افراد سالم با استفاده از یک نمونه گفتاری است. این الگوریتم همچنین دقیقتر از آنچه قبلا پیشنهاد شده بود، است.
برای این منظور 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 آموخت. محققان تاکید میکنند که این الگوریتم به سختافزار قدرتمندی نیاز ندارد و میتواند در آینده به یک اپلیکیشن موبایل منتقل شود.
ماسکلیوناس گفت: نتایج ما که قبلا منتشر شدهاند، پتانسیل علمی بسیار بالایی دارند. مطمئنا، 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 خواهد بود.
بیشتر بخوانید
تبدیل پیام صوتی به خط بریل برای نابینایانمنبع: مدیکال اکسپرس
باشگاه خبرنگاران جوان علمی پزشکی فناوریمنبع: باشگاه خبرنگاران
کلیدواژه: هوش مصنوعی بیماری پارکینسون بیماری پارکینسون هوش مصنوعی
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.yjc.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «باشگاه خبرنگاران» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۶۹۴۹۳۰۹ 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:
هوش مصنوعی در جستجوی راز آلزایمر: ارتباط بین روده و مغز!
به گزارش تابناک به نقل از عصرایران، به تازگی از یادگیری ماشینی برای پیش بینی نحوه اتصال متابولیتهای ایجاد شده در روده با گیرندههای موجود در روده و مغز استفاده بسیاری شده است.
مجموعهای از متابولیتها و جفتهای متصل شونده به گیرنده که اخیرا توسط محققان ایجاد شده اند، میتوانند به منظور روشن کردن نقش میکروبیوم در بیماری آلزایمر مورد استفاده قرار گیرند.
محققان کلینیک کلیولند ویژگیهای بیش از ۱ میلیون جفت بالقوه متابولیت و گیرنده را ارزیابی کردهاند تا ببینند که کدام یک از آنها میتوانند به یکدیگر متصل شوند. با شناسایی متابولیتهای متصل به گیرندههای خاص، محققان توانستند مسیرهای بیولوژیکی را که این متابولیتها ممکن است تحت تاثیر قرار دهند و همچنین هدف برخی از گیرندهها را شناسایی کنند.
مطالعه مورد نظر از طریق مجله سل ریپورتز در اختیار علاقه مندان قرار گرفته است. نویسنده اصلی این تحقیق دکتر Feixiong Cheng، مدیر مرکز ژنوم کلینیک کلیولند، در یک بیانیه مطبوعاتی توضیح داد:
«متابولیتهای روده کلید بسیاری از فرآیندهای فیزیولوژیکی در بدن ما هستند و همانطور که میدانیم برای هر کلید قفلی وجود دارد. البته مشکل این است که ما دهها هزار گیرنده و هزاران متابولیت در بدن خود داریم و تشخیص اینکه کدام کلید با کدام قفل جفت و جور میشود، روندی کند و پرهزینه به شمار میرود. به همین دلیل است که تصمیم گرفتیم از هوش مصنوعی استفاده کنیم.»
سلامت روده چگونه بر سلامت مغز تاثیر میگذارد؟
وجود برخی متابولیتها در روده تا حدی نشان دهنده حضور باکتریهای خاص در این محیط است، زیرا این متابولیتها از طریق تجزیه مواد غذایی در روده توسط باکتریها ایجاد میشوند.
بیماری آلزایمر پیش از این نیز با تغییرات مشخص در میکروبیوم روده در انسان مرتبط شده است و احتمالا روده به واسطه نقشی که در عملکرد ایمنی دارد بر سلامت مغز اثر میگذارد. این مطالعات از طریق سری مجلات ناشر بریتانیایی بایومد مرکزی قابل دسترسی هستند.
دکتر استیو گندرون متخصص ایمونولوژی و غدد درون ریز که در مطالعه اخیر شرکت نداشته، در توضیح مکانیسمهای احتمالی قیاس زیر را انجام داده است:
«روده را به عنوان یک بازار شلوغ تصور کنید که در آن انواع مواد شیمیایی مبادله میشوند. این مواد شیمیایی میتوانند از جریان خون استفاده و به ایستگاه مرکزی مغز راه پیدا کنند. دانشمندان معتقد هستند که این خط ارتباطی ممکن است بر سلامت مغز اثر بگذارد زیرا اگر بازار (روده) شروع به فروش اقلام نامناسب (مانند مواد شیمیایی التهابی) کند، احتمال ابتلا به زوال مغز وجود خواهد داشت، یعنی همان مشکلی که در آلزایمر میبینیم. درست شبیه به این که از مواد فاسد در پخت کیک استفاده شده باشد!»
در حالی که نقش سیستم ایمنی در بیماری آلزایمر به خوبی شناخته نشده است، تحقیقات التهاب را با افزایش خطر ابتلا به این بیماری مرتبط میدانند و در این زمینه هم نظر هستند که التهاب مزمن میتواند در شروع بیماری مذکور نقش داشته باشد.
دکتر چنگ، نویسنده اصلی مطالعه، اضافه میکند: «بیماری آلزایمر یک بیماری چالش برانگیز به دلیلعدم وجود درمان موثر است. با این حال محور مغز-روده پتانسیل بالایی به منظور درمان اختلالات مغزی از خود نشان داده است.»
استفاده از هوش مصنوعی برای کشف مسیرهای نهفته در پس بیماری در آلزایمر
اگر بتوان از اتصال مضر متابولیتها با گیرندهها جلوگیری کرد، احتمال ابتلا به بیماری آلزایمر را نیز میتوان کاهش داد. برای شناسایی جفتهای متصل شونده، محققانی که در مطالعه حاضر بودند ابتدا یک تجزیه و تحلیل ژنتیکی برای شناسایی رابطه میان ۴۰۸ گیرنده و بیماری آلزایمر انجام دادند.
محققان با استفاده از کد ژنتیکی این گیرنده ها، از منابع هوش مصنوعی (AI) موجود برای پیش بینی شکل پروتئینهای قابل اتصال، استفاده کردند. این روش دید خوبی از شکل نواحی اتصال گیرندهها به دست میدهد.
در ادامه محققان توانستند پیش بینی کنند که کدام متابولیتها و چگونه به این گیرندهها متصل میشوند. بیشتر متابولیتهای کشف شده لیپید یا متابولیتهای لیپید مانند بودند.
و اما اهداف درمانی جدید برای آلزایمر؟
محققان همچنین چگونگی پاسخ این گیرندهها به میکروبیوم افراد مبتلا به بیماری آلزایمر را بررسی کردند. آنها با بررسی باکتریهایی که در میکروبیوم افراد مبتلا به بیماری آلزایمر فراوان هستند، دو متابولیت آگماتین و فنتیل آمین را شناسایی کردند که به ترتیب توسط باکتروئیدس فراژیلیس و رومینوکوک به وفور تولید میشوند.
سپس محققان تصمیم گرفتند با استفاده از سلولهای بنیادی افراد مبتلا به آلزایمر، تاثیر این متابولیتها را بر نورونهای بیماران زیر نظر بگیرند.
آنها دریافتند که آگماتین سطوح p-tau181، p-tau205، و پروتئین تاو کل را کاهش میدهد. مطالعات بیشتر روی فنتیل آمین نیز نشان داد که این متابولیت به طور قابل توجهی سطوح p-tau181، p-tau205 و تاو کل را در نورونها به صورت وابسته به دوز کاهش میدهد.
این یک یافته امیدوار کننده است، زیرا تجمع بیش از حد پروتئین تاو با ایجاد بیماری آلزایمر مرتبط است.
چنگ گفت: «در مطالعات کنونی، ما صرفا فسفوریلاسیون تاو را اندازهگیری کردیم، زیرا فسفوریلاسیون تاو یک سنجش قوی و دقیق است. ما همچنین در حال انجام مطالعات پیش بالینی (حیوانی) بیشتری برای بررسی دقیقتر اثربخشی متابولیتهای روده (به عنوان مثال، آگماتین) هستیم و ممکن است آن را در آزمایشات آینده و در افراد مسن نیز پیگیری کنیم.»
نویسندگان مطالعه خاطرنشان میکنند که ۹۹ درصد از آزمایشات بالینی در مورد مداخلات دارویی برای بیماری آلزایمر موفقیتآمیز نبوده است و چنگ اضافه میکند که یافتههای آنها میتواند به یک هدف جدید اشاره کند:
«این موضوع دقیقا همان فرضیه ما را شکل میدهد: بهبود سلامت روده ممکن است بر سطوح تاو در مغز تاثیر بگذارد، از بیماری آلزایمر پیشگیری یا حتی آن را درمان کند. با این حال، برای بررسی بیشتر این فرضیه به تحقیقات بیشتری در آینده نیاز داریم و اکنون با استفاده از نمونههای حیوانی و انسانی روی آن کار میکنیم.»