هوش مصنوعی آسیب‌های پنهان ام‌اس را در ام‌آر‌آی‌های معمولی آشکار کرد

شفقنا – پژوهشگران دانشگاه بوفالو با همکاری یک تیم بین‌المللی، روشی مبتنی بر هوش مصنوعی توسعه داده‌اند که می‌تواند آسیب‌های پنهان ناشی از بیماری ام‌اس را در اسکن‌های معمولی ام‌آر‌آی‌ آشکار کند؛ آسیب‌هایی که تاکنون با روش‌های رایج تصویربرداری قابل مشاهده نبودند و ارتباط مستقیمی با ناتوانی و افت عملکرد شناختی بیماران دارند.

به گزارش سرویس ترجمه شفقنا، نتایج این پژوهش نشان می‌دهد هوش مصنوعی با تحلیل هم‌زمان چند تصویر ام‌آر‌آی و مقایسه اختلاف‌های بسیار ظریف میان آن‌ها، قادر است ضایعات قشر مغز (Cortical Lesions) را که سال‌ها از دید پزشکان پنهان مانده بود، شناسایی کند.

در بیماری ام‌اس، ام‌آر‌آی‌های رایج عمدتاً آسیب‌های ماده سفید مغز را نشان می‌دهند، اما ضایعات قشر خاکستری که از مهم‌ترین شاخص‌های پیشرفت بیماری و اختلالات شناختی محسوب می‌شوند، معمولاً قابل تشخیص نیستند. همین موضوع باعث شده بود ارزیابی دقیق روند بیماری با محدودیت جدی روبه‌رو باشد و حتی بسیاری از داروهای جدید نیز بر کاهش ضایعات ماده سفید متمرکز شوند.

محققان برای رفع این مشکل، از روشی جدید به نام MMCLE (تقویت چندوجهی ضایعات قشری) استفاده کردند که با بهره‌گیری از مدل‌های هوش مصنوعی، اطلاعات پنهان میان چند تصویر ام‌آر‌آی را استخراج می‌کند؛ اطلاعاتی که در هیچ تصویر منفردی قابل مشاهده نیست.

این فناوری روی داده‌های بیش از ۷۰۰ بیمار حاضر در کارآزمایی بالینی فاز سوم داروی اوکرلیزوماب (Ocrelizumab) آزمایش شد. هوش مصنوعی به‌طور متوسط ۱۵ تا ۲۰ ضایعه قشری در هر بیمار شناسایی کرد و در مجموع بیش از ۱۱ هزار ضایعه پنهان را در کل مجموعه داده‌ها آشکار ساخت.

به گفته پژوهشگران، این مدل مولد هوش مصنوعی قادر است اختلاف‌های بسیار جزئی میان تصاویر ام‌آر‌آی‌ را تشخیص دهد و با ترکیب آن‌ها، تغییرات غیرطبیعی بافت مغز را که با چشم انسان دیده نمی‌شوند، نمایان کند.

محققان معتقدند این دستاورد می‌تواند نگاه پزشکان به روند پیشرفت ام‌اس را متحول کند، امکان بازبینی داده‌های کارآزمایی‌های بالینی گذشته را فراهم آورد و در آینده به ارزیابی دقیق‌تر اثربخشی درمان‌ها و مراقبت بهتر از بیماران مبتلا به ام‌اس کمک کند.

این خبر را اینجا ببینید.