استفاده از گوشی‌های هوشمند برای تشخیص زودهنگام آلزایمر

 محققان مرکز پزشکی UT Southwestern می‌گویند فناوری‌های جدیدی که می‌توانند تغییرات ظریف در صدای بیمار را ثبت کنند، ممکن است به پزشکان در تشخیص اختلالات شناختی و بیماری آلزایمر قبل از شروع علائم کمک کنند. به گزارش نوروساینس نیوز، ایهاب هاجر، پروفسور نورولوژی در دانشگاه UT Southwestern می‌گوید: تمرکز ما بر شناسایی تغییرات ظریف زبان و حس شنیداری بود که در مراحل اولیه بیماری آلزایمر وجود دارد اما به راحتی توسط اعضای خانواده یا پزشک مراقبت‌های اولیه فرد قابل تشخیص نیست.

فرایند تحقیق
محققان از ابزارهای پیشرفته یادگیری ماشین و پردازش زبان طبیعی (NLP) برای ارزیابی الگوهای گفتار در 206داوطلب شرکت‌کننده در این مطالعه استفاده کردند که از میان آنها 114نفر معیارهای زوال شناختی خفیف داشتند و 92نفر بدون آسیب بودند. نکته قابل توجه در این ماجرا امکان استفاده از گوشی‌های هوشمند برای انتقال و تحلیل اطلاعات بود.
این تیم سپس یافته‌ها را با نشانگرهای زیستی رایج مورد استفاده برای تعیین اثربخشی آنها در اندازه‌گیری اختلال تطبیق داد. به شرکت‌کنندگان در مطالعه چندین تست ارزیابی شناختی استاندارد دادند و از آنها خواسته شد که یک توصیف یک تا 2دقیقه‌ای از یک اثر هنری را ضبط کنند. تیم تحقیقاتی تجزیه و تحلیل، گفتار شرکت‌‌کنندگان را با نمونه‌های مایع مغزی نخاعی و اسکن‌های MRI مقایسه کرد تا مشخص کند که نشانگرهای زیستی صدای دیجیتال تا چه اندازه اختلالات شناختی خفیف و وضعیت و پیشرفت بیماری آلزایمر را تشخیص می‌‌دهند.

تشخیص زودهنگام
دکتر هاجر می‌گوید: قبل از توسعه یادگیری ماشین و NLP، مطالعه دقیق الگوهای گفتار در بیماران بسیار سخت بود و اغلب هم موفقیت آمیز نبود، زیرا تغییرات زبانی در مراحل اولیه بیماری بیشتر برای گوش انسان غیرقابل تشخیص است. این روش جدید آزمایش در تشخیص افراد دارای اختلال شناختی خفیف و به‌طور خاص در شناسایی بیماران مبتلا به نشانه‌های بیماری آلزایمر به خوبی عمل کرد حتی آنهایی را که با استفاده از ارزیابی‌های شناختی استاندارد قابل تشخیص نبودند. در طول این مطالعه، محققان کمتر از 10دقیقه را صرف ضبط صدای بیمار کردند. آزمایش‌‌های عصبی روان‌ شناختی سنتی معمولا چندین ساعت طول می‌کشد تا انجام شوند. دکتر هاجر گفت: این مطالعه هرچند به تحقیقات بیشتر و گسترده‌تر نیاز دارد اما استفاده از هوش مصنوعی و یادگیری ماشینی برای مطالعه صداهای ضبط شده می‌تواند ابزار غربالگری آسانی برای افراد در معرض خطر باشد. به‌ویژه افرادی که از سالمندان مراقبت می‌کنند. تشخیص‌‌های اولیه به بیماران و خانواده‌ها زمان بیشتری جهت برنامه‌ریزی برای آینده می‌دهد و به پزشکان نیز انعطاف‌‌پذیری بیشتری در توصیه مداخلات سبک زندگی امیدوارکننده می‌دهد.

هوش مصنوعی بر بستر پلتفرم
براســاس یـــک مطالعـــه در ســال2020 درAnnals of Internal Medicine، برای هر ویزیت بیمار، پزشکان به‌طور متوسط 16دقیقه و 14ثانیه را صرف استفاده از پرونده الکترونیک سلامت جهت بررسی داده‌ها و یادداشت برداری می‌کنند. Navina، یک شرکت فناوری پزشکی مستقر در نیویورک، ابزار هوش مصنوعی ایجاد کرده است تا به پزشکان کمک کند که بخشی از آن زمان را پس بگیرند و اطمینان حاصل کنند که داده‌های مهم از دست نمی‌‌روند. رونن لاوی، مدیرعامل این شرکت توضیح داد که این پلتفرم که Navina نامیده می‌شود، از هوش مصنوعی مولد برای تغییر نحوه اطلاع‌رسانی داده‌ها به تعامل پزشک و بیمار استفاده می‌کند. لاوی گفت که هدف اصلی شرکت از رساندن هوش مصنوعی به نقطه مراقبت اولیه این بود که تعامل بیمار و ارائه‌دهنده را با درک عمیق بیمار در زمان کمی که در اختیار دارند، معنادارتر و مؤثرتر کند.

قابلیت‌های هوش مصنوعی برای پردازش داده
هوش مصنوعی می‌تواند حجم بالایی از داده‌ها را در منابع پردازش و اصطلاحات پیچیده پزشکی را ساده‌تر و کوتاه‌تر کند. لاوی گفت که هدف دوم این بود که Navina به پزشکان این امکان را بدهد که بینش خود را از روش‌های درمانی به روش‌های پیشگیرانه تغییر دهند. این می‌تواند به تشخیص زودتر عوامل خطر بیماری، سهولت تشخیص سریع‌تر و حتی نجات جان انسان‌‌ها کمک کند. او گفت: Navina مجموعه کاملی از ابزارها را در اختیار پزشکان قرار می‌دهد که برای درک بالینی داده‌ها در مرحله مراقبت، قبل یا حین ویزیت بیمارشان نیاز دارند.
برنامه ناوینا پیش از این در مرکز پزشکان خانواده ویرجینیا استفاده شده بود و به پزشکان کمک می‌کرد تا بیماری‌‌هایی که به‌طور بالقوه برای زندگی تهدید‌کننده هستند مانند انواع دیابت با عوارض مزمن، بیماری مزمن کلیوی و چاقی مرضی را شناسایی کنند.