تشخیص بیماری پارکینسون با دقت ۹۹ درصد از طریق تجزیه و تحلیل نقاشی توسط هوش مصنوعی

بر اساس گزارش خبرگزاری خبرآنلاین و به نقل از دیجیاتو، پیش‌تر محققان موفق به شناسایی نشانه‌های بیماری پارکینسون در مواردی چون مو، خون، جرم گوش، نحوه گفتار و وضعیت روانی افراد شده بودند؛ با این حال، این بیماری به عنوان یکی از سریع‌ترین اختلالات عصبی در حال گسترش در جهان از منظر ایجاد ناتوانی و مرگ و میر، به تشخیص قطعی وابسته به ارزیابی‌های بالینی است و فقدان نشانگرهای زیستی، شناسایی زودهنگام آن را با چالش‌هایی مواجه کرده است.

این تحقیق تحت سرپرستی «ایشان آیوس»، دانشمند علم کامپیوتر از دانشگاه SOA در هندوستان، صورت گرفت و شامل داده‌های مربوط به یک مطالعه قبلی درباره پارکینسون در برزیل بود. در این مطالعه، 66 شرکت‌کننده (شامل 31 فرد مبتلا و 35 نفر سالم) مورد بررسی قرار گرفتند. افراد شرکت‌کننده با استفاده از یک قلم هوشمند بیومتریک، که به‌طور همزمان تصاویر را ضبط کرده و سیگنال‌های حرکتی دستان را نیز ثبت می‌کرد، به ترسیم الگوها پرداختند.

در این آزمون‌ها، شرکت‌کنندگان موظف به رسم دو نوع طرح بودند که شامل الگوهای مارپیچی و خطوط پیچیده متشکل از خطوط زاویه‌دار بودند. آیوس و همکارانش تصاویرو داده‌های به‌دست‌آمده از حسگر قلم هوشمند را به تعدادی سیستم‌های یادگیری عمیق منتقل کردند تا نه‌تنها بی‌نظمی‌های فضایی در ترسیم اشکال را تحلیل کنند، بلکه تفاوت‌های خاص در هماهنگی حرکتی و کنترل دست را نیز اندازه‌گیری نمایند.

داده‌های جمع‌آوری‌ شده در مرحله بعد به کمک الگوریتمی به نام SNAKE پردازش شدند. این الگوریتم با وزن‌دهی و تجمیع نتایج حاصل از مدل‌های مختلف هوش مصنوعی شناسایی کرد که آیا هر اثر از آن فرد مبتلا به بیماری است یا فرد سالم. بر اساس گزارش محققان که در ژورنال Discover Computing منتشر شده، این روش تحلیل، توانست الگوهای خطوط پیچیده را با دقت 98.95 درصد و الگوهای مارپیچی را با دقت 97.74 درصد شناسایی کند که این دقت بالاتر از سیستم‌های ارزیابی دست‌خط پیشین است.

این تیم پژوهشی به خاطر این دقت بالا، قابلیت‌های الگوریتم SNAKE را در ایجاد توازن بین پیش‌بینی‌های مختلف مدل‌ها و همچنین اندازه‌گیری داده‌های دوگانه قلم هوشمند می‌بیند. آن‌ها اظهار داشته‌اند:

«تصاویر دست‌نویس، ویژگی‌های فضایی مانند بی‌نظمی‌های خطوط، اعوجاج‌های ناشی از لرزش و انحرافات شکل را به تصویر می‌کشند، در حالی که سیگنال‌های حسگر قلم رفتارهای حرکتی و همچنین نوسانات در سرعت، تغییرات فشار و اختلالات در هماهنگی را ثبت می‌کنند.»

هرچند که محدودیت جامعه آماری به 66 نفر تمام ویژگی‌های بالینی بیماری را به‌خوبی منعکس نمی‌کند، اما این روش می‌تواند به عنوان یک چارچوب امیدوارکننده تلقی شود که با تأیید در کارآزمایی‌های بزرگ‌تر، می‌تواند به غربالگری غیرتهاجمی، مقرون به صرفه و از راه دور بیماری پارکینسون یاری رساند.

۲۲۷۳۲۳