به گزارش خبرنگار حوزه فناوری گروه علمی پزشکی باشگاه خبرنگاران جوان به نقل از مدیکال اکسپرس، برای میلیون‌ها نفر از افراد مبتلا به صرع و اختلالات حرکتی مانند بیماری پارکینسون، تحریک الکتریکی مغز در حال حاضر امکانات درمانی را گسترش می‌دهد. در آینده تحریک الکتریکی ممکن است به افراد مبتلا به بیماری‌های روانی و آسیب‌های مستقیم مغزی مانند سکته مغزی کمک کند.

با این حال مطالعه نحوه تعامل شبکه‌های مغزی با یکدیگر پیچیده است. شبکه‌های مغزی را می‌توان با ارائه پالس‌های کوتاه جریان الکتریکی در یک ناحیه از مغز بیمار در حالی که پاسخ‌های ولتاژ را در مناطق دیگر اندازه گیری می‌کند، بررسی کرد. در اصل فرد باید بتواند ساختار شبکه‌های مغزی را از این داده‌ها استنباط کند، با این حال، با داده‌های دنیای واقعی، مشکل است، زیرا سیگنال‌های ثبت شده پیچیده هستند و می‌توان اندازه گیری‌های محدودی انجام داد.

برای کنترل مشکل، محققان کلینیک مایو مجموعه‌ای از پارادایم‌ها یا دیدگاه‌ها را ایجاد کردند که مقایسه بین اثرات تحریک الکتریکی بر مغز را ساده می‌کند. از آنجا که یک روش ریاضی برای توصیف نحوه همگرایی ورودی‌ها در مناطق مغز انسان در ادبیات علمی وجود نداشت، تیم مایو با یک متخصص بین المللی در الگوریتم‌های هوش مصنوعی (AI) همکاری کرد تا نوع جدیدی از الگوریتم‌ها به نام منحنی مشخصات پایه را ایجاد کند.

در مطالعه‌ای که در PLOS Computational Biology منتشر شد، یک بیمار مبتلا به تومور مغزی قبل از برداشتن تومور، از یک آرایه الکترود الکتروکورتیکوگرافی برای تعیین تشنج و نقشه برداری از عملکرد مغز استفاده کرد. هر برهم‌کنش الکترود منجر به مطالعه صد‌ها تا هزار نقطه زمانی با استفاده از الگوریتم جدید شد.

دکتر کای میلر، جراح مغز و اعصاب کلینیک مایو و اولین نویسنده این مطالعه می‌گوید: یافته‌های ما نشان می‌دهد که این نوع جدید از الگوریتم ممکن است به ما کمک کند دریابیم کدام مناطق مغز مستقیما با یکدیگر تعامل دارند و این به نوبه خود می‌تواند به قرار دادن الکترود‌ها برای دستگاه‌های تحریک کننده برای درمان بیماری‌های مغزی شبکه‌ای کمک کند. با ظهور فناوری جدید، این نوع الگوریتم ممکن است به ما در درمان بهتر بیماران مبتلا به صرع، اختلالات حرکتی مانند بیماری پارکینسون و بیماری‌های روانی مانند وسواس فکری و افسردگی کمک کند.

کلاوس روبرت مولر، محقق دیگر این مطالعه می‌گوید: داده‌های عصبی تا به امروز شاید برای محققان هوش مصنوعی چالش برانگیزترین و هیجان‌انگیزترین داده‌ها باشد. 

در این مطالعه، نویسندگان یک بسته کد قابل بارگیری ارائه می‌دهند تا دیگران این تکنیک را کشف کنند. دورا هرمس، دکترای مهندس زیست پزشکی و نویسنده ارشد کلینیک مایو می‌گوید: به اشتراک گذاشتن کد توسعه یافته بخش اصلی تلاش ما برای کمک به تکرارپذیری تحقیقات است.

بیشتر بخوانید 

• تخمین مدت زمان بقای بیماران کرونایی با استفاده از هوش مصنوعی

انتهای پیام/