ما هنوز درمانی برای بیماری آلزایمر نداریم، اما با تشخیص زودهنگام آن می‌توانیم مقدمات و شاید حتی اقدامات پیشگیرانه را انجام دهیم. مدل‌های جدید هوش مصنوعی می‌توانند هشداری زودهنگام برای افرادی که قرار است سال‌ها قبل از ظهور علائم بیماری به آن مبتلا شوند، ارائه دهد.
هوش مصنوعی چگونه آلزایمر را پیش‌بینی خواهد کرد؟
تیمی از دانشگاه کالیفرنیا، سانفرانسیسکو (UCSF) و دانشگاه استنفورد از روش‌های یادگیری ماشینی در بیش از 5 میلیون پرونده سلامت استفاده کردند و هوش مصنوعی جدیدی را آموزش دادند تا الگوهایی را که آلزایمر را به سایر شرایط‌ها مرتبط می‌کند، شناسایی کند.
سیستم به‌دست‌آمده کامل نیست، اما هنگامی که دربرابر سوابق افرادی که بعداً به آلزایمر مبتلا شده‌اند آزمایش شد، 72 درصد مواقع توانست پیشرفت آن را پیش‌بینی کند.
قدرت پیش‌بینی سیستم هوش مصنوعی، از توانایی آن در ترکیب و تجزیهوتحلیل انواع مختلف خطرات برای محاسبه احتمال ابتلا به آلزایمر ناشی می‌شود. این یافته‌ها می‌تواند درمورد علل این بیماری و همچنین افرادی که ممکن است دربرابر آن آسیب‌پذیر باشند، اطلاعات بیشتری به ما بدهد.
«آلیس تانگ»، مهندس زیستی از UCSF، می‌گوید: «این اولین قدم به سوی استفاده از هوش مصنوعی روی داده‌های بالینی معمول است؛ نه‌تنها برای شناسایی خطر در اسرع وقت، بلکه برای درک زیست‌شناسی پشت آن.»
شناسایی عوامل موثر
این مدل تعدادی از شرایط را شناسایی کرد که می‌توان از آنها برای محاسبه خطر آلزایمر استفاده کرد؛ ازجمله فشار خون بالا، کلسترول بالا، کمبود ویتامین D و افسردگی. اختلال نعوظ و بزرگی پروستات از عوامل مهم در مردان بودند و پوکی استخوان هم برای زنان عاملی قابل‌توجه بود.
البته این بدان معنا نیست که افراد مبتلا به این مشکلات سلامتی، دچار زوال عقل می‌شوند. اما تجزیهوتحلیل هوش مصنوعی هر کدام را به‌عنوان پیش‌بینی‌هایی ارزیابی می‌کند که ارزش بررسی را دارند. امید است که این نوع رویکرد یادگیری ماشینی بتواند روزی عوامل خطر سایر بیماری‌های غیرقابل تشخیص را هم شناسایی کند.
تانگ می‌گوید: «این ترکیبی از بیماری‌ها است که به مدل ما اجازه می‌دهد تا شروع آلزایمر را پیش‌بینی کند. یافته‌های ما مبنی بر اینکه پوکی استخوان یکی از عوامل آلزایمر در زنان است، تأثیر متقابل بیولوژیکی بین سلامت استخوان و خطر زوال عقل را برجسته می‌کند.»
محققان همچنین زیست‌شناسی پشت برخی از پیوندهای شناسایی‌شده را بررسی کردند. پوکی استخوان، آلزایمر در زنان و گونه‌ای از ژن MS4A6A به هم مرتبط هستند و فرصت‌های جدیدی را برای مطالعه توسعه این اختلال فراهم می‌کنند.
«مارینا سیروتا»، دانشمند سلامت محاسباتی در UCSF، می‌گوید: «این یک مثال عالی از نحوه استفاده از داده‌های بیمار با یادگیری ماشینی است تا پیش‌بینی کنیم که کدام بیماران بیشتر در معرض ابتلا به آلزایمر هستند و همچنین دلایل این امر را درک کنیم.»
منبع خبر: https://digiato.com/health/breakthrough-ai-can-now-predict-alzheimers-up-to-7-years-in-advance
تحریریه ABS NEWS | ای بی اس نیوز