تشخیص اولیه زودهنگام آلزایمر با استفاده از هوش مصنوعی

ابتلا به بیماری آلزایمر به تدریج باعث مرگ سلول‌های عصبی و از بین رفتن بافت مغزی می‌شود. با گذشت زمان حجم مغز به طور چشم‌گیری کاهش یافته و تمام عملکردهای آن تحت تاثیر قرار می‌گیرد. در مراحل پیشرفته این بیماری فرد توانایی خود را برای برقراری ارتباط، تشخیص خانواده و همچنین مراقبت از خود از دست می‌دهد.

زمان تشخیص این بیماری عامل مهمی در روند جلوگیری از پیشرفت بیماری است و در حال حاضر هیچ درمان قطعی برای آن وجود ندارد. از آن‌جایی که آلزایمر باعث تخریب سلول‌های مغزی می‌شود، با استفاه از تکنیک‌های تصویربرداری کامپیوتری می‌توان تغییرات رخ‌داده در ساختار مغز را بررسی کرد.

بر همین اساس پژوهشگران با استفاده از هوش مصنوعی، امکان تشخیص بیماری آلزایمر را از روی تصاویر MRI بررسی کردند.

با توجه به این‌که داده‌های موجود در مراکز درمانی ایران، به صورت پراکنده هستند و تصاویر MRI موجود با استفاده از دستگاه‌های تصویربرداری با استانداردهای متفاوت حاصل شدند؛ به همین خاطر از این داده‌ها در ارزیابی‌های این پژوهش استفاده نشد.

داده‌های مورد نیاز این تحقیق از مجموعه داده‌های موجود در پایگاه داده ADNI استفاده شد که مربوط به شرکت‌کنندگان در مطالعات این مرکز در آمریکای شمالی شامل بیماران مبتلا به آلزایمر، پارکینسون، افراد مبتلا به اختلالات شناختی خفیف، افراد دارای کهولت سن و افراد نرمال بود که در وبسایت این مرکز در دسترس است.

تصاویر MRI‌ مغز افراد از این پایگاه داده دریافت شد و برای تشخیص بیماری، میدان تصادفی شرطی و شبکه عصبی عمیق (Inception) بر روی تصاویر MRI وفق داده شدند. از آن‌جایی که بافت هیپوکامپوس مغز از اولین بافت‌هایی است که تحت تاثیر بیماری آلزایمر قرار می‌گیرد، ابتدا محدوده هیپوکمپوس تعیین شد و سپس با توجه به میزان تحت تاثیر قرار گرفتن این بافت، اقدام به تشخیص بیماری کردند.

میدان تصادفی شرطی توانست قطعه‌های هیپوکمپوس با اشکال مختلف را از تصاویر استخراج کند و این داده‌ها مبنایی برای استفاده شبکه عصبی عمیق شد. شبکه عصبی عمیق؛ شبکه‌ای است که از پیش بر روی مجموعه داده بسیار بزرگ Imagenet آموزش داده شده است تا بتواند در تشخیص بیمار کمک کند.

یافته‌های این پژوهش نشان داد که این شبکه عمیق می‌تواند بافت مغزی فرد دارای آلزایمر را از فرد سالم با دقت ۹۸.۵ درصد تشخیص دهد. این میزان برای تشخیص اختلال شناختی خفیف در برابر سلامت، ۹۳.۴۱ درصد بود. این داده‌ها نسبت به روش‌های گذشته به ترتیب ۲.۵۶ و ۸.۴۱ درصد افزایش دقت داشت.

نتایج این مطالعه نشان داد که استفاده از این نوع هوش مصنوعی در تشخیص بیماری آلزایمر دقت بالایی دارد.

به گفته پژوهشگران این تحقیق؛ در مسائل داده کاوی پزشکی، شناسایی دقیق افراد بیمار مهم‌تر از سایر اختلالات است (در این مورد تشخیص آلزایمر از اختلال شناختی خفیف یا سالم). به عبارت دقیق‌تر چنانچه شخصی که دارای بیماری آلزایمر با علایم اولیه بیماری است، به اشتباه در گروه سالم طبقه‌بندی شود؛ مشخصا ضرر زیادی ایجاد می‌شود. همچنین هدف اصلی این تحقیق نیز که تشخیص اولیه زودهنگام آلزایمر است نیز برآورده نخواهد شد. اما طبقه‌بندی اشتباه فرد سالم در گروه اختلال شناختی خفیف یا دارای آلزایمر، صرفا منجر به آزمایش دوباه فرد خواهد شد که هزینه کمتری خواهد داشت. نتایج این مطالعه نشان از برتری این روش در مقابل سایر روش‌های رقیب می‌دهد.

در انجام این تحقیق محمد امین شایگان و زهرا مولودی؛ پژوهشگران گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی شیراز مشارکت داشتند.

یافته‌های این مطالعه بهار سال جاری به صورت مقاله علمی با عنوان «تشخیص بیمای آلزایمر از روی تصاویر MRI با استفاده از هوش مصنوعی» در مجله علمی دانشگاه علوم پزشکی گرگان منتشر شده است.