آلزایمر شایع ترین نوع زوال عقل می باشد بنابراین، تشخیص و پیش بینی بیماری آلزایمر با هوش مصنوعی می‌تواند از اهمیت بسزایی برخوردار باشد. امروزه، تصاویر پزشکی و داده‌ های آزمایش خون به عنوان منابع اطلاعات بیمار مورد استفاده قرار می‌گیرند. تصاویر پزشکی، به خصوص تصاویر MRI (تصویر با رزولوشن بالا از ساختارهای مغزی)، می‌توانند اطلاعات مفیدی درباره تغییرات نوروپاتولوژیکی مرتبط با آلزایمر ارائه دهند.

به همین ترتیب، از طریق داده‌های آزمایش خون نیز می‌توان نشانگرهای این بیماری مزمن مغزی را شناسایی کرد. علاوه بر اینها با اندازه گیری پروتئین بتا آمیلوئید و تاو در مایع مغزی نخاع (CSF) و همچنین PET اسکن می توان نشانگرهای زیستی دقیق تری بدست آورد.

در برخی موارد نیز نژاد، ژنتیک و حتی شرایط جسمانی نیز در شکل گیری این بیماری تاثیرگذار است و نهایتا فقط ۱ تا ۲ درصد موارد آلزایمر موروثی است. این موارد به عنوان ظهور زودرس و خانوادگی آلزایمر شناخته می‌شود که در سن بسیار پایین ظاهر می‌شود و سرعت پیشرفت بالاتری هم دارد. قوی‌ترین عامل ریسک ژنتیک در آلزایمر پراکنده، آپولیپوپروتئین ایی۴ (APOE4) است.

اصلی‌ترین علامت آلزایمر چیست؟

به نقل از رسانه پارس اینفوتک و دکتر سیدجواد حسینی نژاد، متخصص مغز و اعصاب: مهم‌ترین علامت بیماری آلزایمر، اختلال حافظه است. در بیماری آلزایمر، معمولاً اطرافیان بیمار شکایت دارند و خود بیمار هیچ گونه شکایتی ندارد. مهم‌ترین قسمت از حافظه که در بیماران آلزایمری آسیب می بیند، حافظه اخیر است. این افراد، حوادث چند ساعت پیش را فراموش می‌کنند، اما حوادث سال‌های دور را به خاطر سپرده اند.

از جمله افتراق انواع فراموشی‌ها، این است که کسانی که مبتلا به آلزایمر نیستند، در همه انواع حافظه دچار مشکل می‌شوند. همچنین در بیماری کم کاری تیروئید، کمبود ویتامین B۱۲، افسردگی و استرس‌های روحی و روانی، میزانی از اختلال حافظه وجود دارد که پس از درمان، قابل برگشت است و نباید با اختلال حافظه بیماری آلزایمر، اشتباه شود.

اولین نشانه بیماری آلزایمر

اختلال حافظه اولین نشانه بیماری آلزایمر است که ابتدا کوتاه مدت و سپس حافظه بلند مدت مختل می شود. عموما بطن ها بزرگ می شوند و ماده خاکستری (Gray Matter) و هیپوکامپ دچار آتروفی می شود و کم کم از دست می رود و منجر به مرگ می شود. به همین خاطر اندازه گیری و بررسی آتروفی هیپوکامپ با استفاده از تصاویر MRI اولین راه حل برای تشخیص بیماری آلزایمر با هوش مصنوعی می باشد.

در ساختار غیر طبیعی مغز و افرادی که دچار بیماری آلزایمر هستند پلاک ها و کلافه ها (تاو) به سلول های عصبی آسیب می رسانند و باعث مرگ آنها می شوند. آمیلوئید سازنده اصلی پلاک های آمیلوئید است و در مغز مبتلایان به آلزایمر وجود دارد. این پلاک ها به صورت رشته های نامنظم هستند و به دو نوع Aβ۴۰ و Aβ۴۲ وجود دارند و عموما در فضای بین سلول های عصبی وجود دارند و عملکرد آنها را مختل می کنند. پروتئین تاو نیز به صورت فیبرهای پیچ خورده ای هستند که در داخل سلول عصبی تشکیل می شوند و منجر به مرگ نورون ها می شوند. با استفاده از تصویربرداری MRI و PET؛ همچنین جدیدا با استفاده از آزمایش خون نیز می توان بتا آمیلوئید و تاو را شناسایی کرد، که این مورد خود منجر به پیش بینی زود هنگام زوال عقل با هوش مصنوعی و بسیار کم هزینه تر از روش های دیگر هم می شود.

تشخیص بیماری آلزایمر با یادگیری ماشین

پس می شود از ترکیب تصاویر MRI با داده‌ های آزمایش خون در تشخیص بیماری آلزایمر با هوش مصنوعی استفاده کرد. برای این منظور، ابتدا با استفاده از یادگیری انتقالی و شبکه‌ های عصبی پیش‌ آموزش دیده، اطلاعات مربوط به نوروپاتولوژی آلزایمر را از تصاویر MRI استخراج می گردد و سپس یک مدل یادگیری عمیق آموزش داده می شود. سپس، با استفاده از داده‌ های آزمایش خون و الگوریتم XGBoost، مدل پیش‌بینی برای تشخیص زود هنگام بیماری آلزایمر را ایجاد می گردد. نتایج خوبی که این روش‌ ها به طور جداگانه به دست می‌دهند، نشان دهنده قدرت ترکیب و ادغام این دو روش در بهبود دقت و اعتماد تشخیص است.

در اینجا با استفاده از تصاویر پزشکی و داده‌ های آزمایش خون، تشخیص زود هنگام بیماری آلزایمر با هوش مصنوعی کم هزینه تر و دقیق تر انجام می شود. با ترکیب یادگیری عمیق و یادگیری ماشین الگوریتم XGBoost، توانایی مدل برای تشخیص این بیماری در مراحل اولیه آن افزایش پیدا می کند و با احتمال بسیار زیادی نتایج مطلوبی به دست می آید. تأخیر در تشخیص، توسعه روش های هوش مصنوعی برای تشخیص زودهنگام این بیماری بسیار مهم است. مدلی که در بالا توضیح داده شد، با استفاده از تصاویر MRI و داده‌ های آزمایش خون، دقت و اعتماد بیشتری در تشخیص آلزایمر با کمک هوش مصنوعی ارائه می‌دهد و می‌ تواند به جامعه علمی و پزشکان کمک کند تا بیماران را در مراحل ابتدایی بیماری تشخیص دهند و به زودیتر اقدامات پیشگیرانه و درمانی مناسب را انجام دهند.

مزایای تشخیص بیماری آلزایمر با یادگیری ماشین

در این مدل، بهبود تشخیص زود هنگام بیماری آلزایمر سودمندی های متعددی دارد. از جمله:

۱. اعتماد بیشتر در تشخیص:  با کمک ترکیب تصاویر MRI و داده‌ های آزمایش خون، مطمئن‌تر و دقیق‌تر می‌توان بیماران آلزایمر را شناسایی کرد.

۲. تشخیص در مراحل اولیه بیماری:  از آنجایی که تشخیص در مراحل اولیه بیماری آلزایمر بسیار دشوار است، روش های ارائه شده در این مدل می تواند به پزشکان کمک کند تا بیماران را در مراحل ابتدایی تشخیص داده و امکان اقدامات پیشگیرانه و ترمیمی را در کوتاه‌ترین زمان ممکن فراهم کنند.

۳. کاهش هزینه ها و زمان مورد نیاز برای تشخیص:  استفاده از تصاویر پزشکی و داده‌های آزمایش خون در تشخیص زودهنگام بیماری آلزایمر، می‌تواند هزینه های پزشکی را کاهش داده و زمان مورد نیاز برای تشخیص را بهبود بخشد.

۴. اثربخشی در درمان:  با تشخیص زود هنگام آلزایمر، امکان شروع درمان به موقع و اقدامات پیشگیرانه برای کاهش پیشرفت بیماری و افزایش کیفیت زندگی بیمار فراهم می‌شود.

بیماری آلزایمر یکی از بیماری‌ های تنش دهنده سیستم عصبی مرکزی است که بیشتر در افراد سالمند و مسن رخ می ‌دهد. این بیماری یکی از عوامل بزرگ بار سنگین بر روی سیستم سلامت و بهداشت جامعه است و تشخیص و درمان زودهنگام آن بسیار مهم است. شناسایی زودهنگام بیماری می ‌تواند به پزشکان کمک کند تا اقدامات ترمیمی و پیشگیرانه مناسب را به موقع انجام دهند و بهبود عملکرد مغزی و کاهش پیشرفت بیماری را تسهیل کند.

با پیشرفت تکنولوژی، مانند تصویربرداری مغناطیسی هسته ‌ای (MRI) و داده ‌های آزمایش خون، امکان استفاده از روش‌ های هوش مصنوعی برای تشخیص زودهنگام آلزایمر به وجود آمده است. این روش‌ ها می ‌توانند دقت و ضرورت در تشخیص بیماری را افزایش دهند و بهبود در درمان و مدیریت آلزایمر را به همراه داشته باشند.

همچنین تشخیص زود هنگام و اقدامات پیشگیرانه و درمانی مناسب از طریق راه های کم هزینه ای مثل آزمایش خون ساده می‌ توانند هزینه ‌ها را کاهش دهند. به طور کلی، تحقیق درباره تشخیص بیماری آلزایمر با هوش مصنوعی مهم است زیرا می ‌تواند تأثیر بزرگی بر روی جامعه و سیستم بهداشتی و درمانی داشته باشد.

تشخیص بیماری آلزایمر با یادگیری عمیق

رویکرد جدید هوش مصنوعی ممکن است به تشخیص بیماری آلزایمر بهتر از آزمایش‌های معمول تصویربرداری مغز کمک کند! با استفاده از داده های تصویربرداری عصبی، یک الگوریتم جدید یادگیری عمیق توانست بیماری آلزایمر را با دقت ۹۰.۲ درصد تشخیص دهد.

اگر چه محققان در تشخیص علائم بیماری آلزایمر با استفاده از تست‌ های تصویر برداری مغزی با کیفیت بالا که به عنوان بخشی از مطالعات تحقیقاتی هم محسوب می شود، پیشرفت‌ هایی داشته اند، تیمی در بیمارستان عمومی ماساچوست (MGH) اخیراً یک روش دقیق برای تشخیص ابداع کرده‌اند که بر روی تصاویر بالینی مغز به‌ طور معمول متکی است. این پیشرفت ها می توانند منجر به تشخیص دقیق تر شوند.

متیو لمینگ محقق مرکز زیست شناسی سیستمی MGH و محقق در مرکز تحقیقات بیماری آلزایمر ماساچوست و همکارانش از یادگیری عمیق نوعی یادگیری ماشینی و هوش مصنوعی استفاده کردند. هوشی که از مقادیر زیادی داده و الگوریتم های پیچیده برای آموزش مدل ها استفاده می کند.

دانشمندان مدلی برای تشخیص بیماری آلزایمر بر اساس داده‌ های حاصل از تصاویر تشدید مغناطیسی مغز (MRI) جمع‌ آوری‌شده از بیماران مبتلا به آلزایمر و بیمارانی که تا قبل از سال ۲۰۱۹ در MGH مبتلا به آلزایمر نبودند، توسعه دادند. سپس، این گروه مدل را در پنج مجموعه داده آزمایش کردند (MGH بعد از ۲۰۱۹، بیمارستان بریگهام و قبل و بعد از ۲۰۱۹، و سیستم های بیرونی قبل و بعد از ۲۰۱۹) تا ببینند که آیا می تواند بیماری آلزایمر را بر اساس واقعی تشخیص دهد یا خیر همچنین داده های بالینی جهان، صرف نظر از بیمارستان و زمان.

به طور کلی، این تحقیق شامل ۱۱۱۰۳ تصویر از ۲۳۴۸ بیمار در معرض خطر ابتلا به بیماری آلزایمر و ۲۶۸۹۲ تصویر از ۸۴۵۶ بیمار بدون بیماری آلزایمر بود. در هر پنج مجموعه داده، این مدل خطر ابتلا به بیماری آلزایمر را با دقت ۹۰.۲ درصد تشخیص داد. از جمله نوآوری های اصلی این کار، توانایی آن در تشخیص بیماری آلزایمر بدون توجه به سایر متغیرها، مانند سن بود. لمینگ می‌گوید: بیماری آلزایمر معمولاً در بزرگسالان مسن‌ تر اتفاق می‌افتد، بنابراین مدل‌ های یادگیری عمیق اغلب در تشخیص موارد نادر زودرس مشکل دارند.

لمینگ خاطر نشان می‌کند که یکی دیگر از چالش‌ های رایج در تشخیص بیماری، به‌ ویژه در محیط‌ های واقعی، برخورد با داده‌ هایی است که بسیار متفاوت از مجموعه آموزشی هستند. به عنوان مثال، یک مدل یادگیری عمیق که بر روی MRI های یک اسکنر ساخته شده توسط جنرال الکتریک آموزش داده شده است، ممکن است MRI های جمع آوری شده روی اسکنر تولید شده توسط زیمنس را تشخیص ندهد. این مدل از یک معیار عدم قطعیت برای تعیین اینکه آیا داده‌ های بیمار بسیار متفاوت از آنچه در آن آموزش داده شده بود استفاده کرد تا بتواند یک پیش‌بینی موفق را انجام دهد.

این یکی از تنها مطالعاتی است که از MRI مغز جمع آوری شده به طور معمول برای شناسایی دمانس عقل استفاده می کند. در حالی که تعداد زیادی از مطالعات یادگیری عمیق برای تشخیص آلزایمر از MRI مغز انجام شده است، این مطالعه گام‌ های مهمی را در جهت انجام واقعی این کار در محیط‌ های بالینی دنیای واقعی بر خلاف تنظیمات آزمایشگاهی کامل انجام داد. نتایج ما با قابلیت تعمیم بین سایتی، یعنی قابل اشتراک بین محققان موردی قوی برای استفاده بالینی از این فناوری تشخیصی ایجاد می کند.

پیش‌بینی زودهنگام بیماری آلزایمر با هوش مصنوعی

مطالعات نشان داده است تغییراتی در مغز، بین ده تا بیست سال قبل از اینکه بیمار علائم واضح بالینی را بروز دهد، رخ می دهد. با این وجود تشخیص آلزایمر تنها زمانی انجام می شود که بر اثر گسترش پروتئین تائو، مرگ سلول های عصبی فرا رسیده باشد و فرد اولین مشکلات شناختی را تجربه کند.

از مدت ها پیش، دو پروتئین آمیلوئید بتا و تائو در رابطه با آلزایمر معرفی شده اند که اولی پلاک هایی در مغز ایجاد می کند و دومی در مراحل بعدی بیماری، در داخل سلول های مغز تجمع می یابد. از گذشته سطوح بالای این پروتئین ها توأم با اختلالات شناختی، مبنای تشخیص آلزایمر بوده است.

اخیرا یک مطالعه تحقیقاتی بین المللی بزرگ با حضور ۱۳۲۵ شرکت کننده از سوئد، ایالات متحده، هلند و استرالیا انجام شده است. شرکت کنندگان در ابتدای مطالعه هیچ گونه اختلال شناختی نداشته اند. در عین حال، با استفاده از اسکن، وجود تائو و آمیلوئید بتا در مغز شرکت کنندگان مورد بررسی قرار گرفت. بررسی‌ها نشان داد افرادی که این دو پروتئین در مغزشان مشاهده شده بود، در مقایسه با شرکت‌کنندگانی که هیچ تغییر بیولوژیکی نداشتند، در پیگیری چند سال بعد، ۲۰ تا ۴۰ برابر بیشتر در معرض خطر ابتلا به بیماری آلزایمر بوده اند. اما بر اساس ادعای ریک اوسنکوپپل، که اولین نویسنده این مطالعه و محقق ارشد در دانشگاه لوند و مرکز پزشکی دانشگاه آمستردام بود، مشاهده‌ی هر دو پروتئین آمیلوئید بتا و تائو در مغز افراد، دیگر نه یک عامل خطر ابتلا، بلکه یک بیومارکر برای تشخیص محسوب می شود.

همچنین اخیراً نتایج مثبت حاصل از آزمایشات بالینی بر داروی جدید ضد آلزایمر تحت عنوان Lecanemab حاکی از آن بوده است که اگر بتوانیم بیماری را قبل از ظهور چالش های شناختی تشخیص دهیم، ممکن است در نهایت بتوانیم از دارو برای کاهش سرعت بیماری در مراحل اولیه نیز استفاده کنیم. امید است مصرف دارو توأم با فعالیت بدنی و تغذیه مناسب، بتواند در پیشگیری یا کُند کردن اختلالات شناختی در آینده برای افراد در معرض خطرِ ابتلا، اثرگذار باشد.

https://www.aparat.com/v/x16ws9o

تشخیص آلزایمر با هوش مصنوعی و آزمایش خون ساده

ژاپن کیت آزمایش خون تشخیص بیماری آلزایمر را تایید کرد. این آزمایش خون، که تجمع پروتئین نشانه ابتلا به آلزایمر را اندازه می‌گیرد، پیشرفتی نادر در مقابله با این بیماری محسوب می‌ شود که ده‌ ها میلیون نفر در سراسر جهان با آن دست‌ و‌ پنجه نرم می‌ کنند.

نویسنده: سعید محتشم راد

منبع: رسانه پارس اینفوتک