تشخیص اسکیزوفرنی با هوش مصنوعی؛ گامی نوین در تمایز اسکیزوفرنی و اختلال دوقطبی

محققان دانشگاه جانز هاپکینز، برای نخستین بار با استفاده از مینی مغزهای آزمایشگاهی الگوهای عصبی متفاوت در اسکیزوفرنی و اختلال دوقطبی را شناسایی کردند.

به گزارش پایگاه خبری سازمان نظام روانشناسی و مشاوره ایران، این پژوهش نشان می‌دهد مشکل اصلی این بیماری‌ها تخریب ساختار مغز نیست بلکه اختلال در ارتباط الکتریکی نورون‌هاست.

 نقش مینی مغزهای آزمایشگاهی در بررسی اختلالات روانی

پژوهشگران سلول‌های پوست و خون بیماران را باز برنامه‌ریزی کردند تا بافت‌هایی شبیه قشر پیشانی انسان امروزی در آزمایشگاه مغز بسازند. سپس فعالیت الکتریکی این مینی مغزها با هوش مصنوعی تحلیل شد و الگوهای اختصاصی هر بیماری آشکار شد. سپس فعالیت الکتریکی این مینی مغزها با هوش مصنوعی تحلیل شد و الگوهای اختصاصی هر بیماری آشکار شد. این روش نوین، مسیر تازه‌ای را برای تشخیص اسکیزوفرنی با هوش مصنوعی بر اساس داده‌های زیستی واقعی هموار کرده است.

چرا تشخیص اسکیزوفرنی و اختلال دوقطبی دشوار است؟

آنیکاتوریا، مهندس زیست‌پزشکی دانشگاه جانز هاپکینز که رهبری این تحقیق را بر عهده داشت، گفت تشخیص اسکیزوفرنی و اختلال دوقطبی بسیار دشوار است، زیرا در این اختلالات هیچ بخش خاصی از مغز به‌طور کامل از کار نمی‌افتد. وی توضیح داد که برخلاف بیماری‌هایی مانند پارکینسون که کاهش دوپامین معیار تشخیص است، در این اختلالات تغییرات آشکار ساختاری مشاهده نمی‌شود.

هوش مصنوعی و یادگیری ماشین در تحلیل سیگنال‌های مغزی

وی ادامه داد امید ما این است که در آینده نه‌تنها بتوان اسکیزوفرنی یا دوقطبی بودن بیمار را از طریق ارگانوئیدهای مغزی تأیید کرد، بلکه بتوان آزمایش داروها را نیز روی این مدل‌ها انجام داد تا مشخص شود چه غلظت دارویی می‌تواند مؤثر باشد. بلکه این پژوهش با استفاده از هوش مصنوعی و یادگیری ماشین، سیگنال‌های خاص هر بیماری را رمزگشایی می‌کند.

دقت بالای تشخیص با استفاده از سیگنال‌های عصبی

مدل‌های کوچک مهندسی‌شده مغز نشان می‌دهد که اختلالات روانی ممکن است ناشی از اختلال در ارتباطات عصبی باشند، نه آسیب ساختاری آشکار. در این پژوهش، دقت تشخیص بر اساس سیگنال‌های عصبی به بیش از ۹۰ درصد رسید که پیشرفتی چشمگیر محسوب می‌شود.

 آینده تشخیص و درمان هدفمند اختلالات روانی

دانشمندان امیدوارند این روش عدم قطعیت تشخیص روانپزشکی را کاهش داده و درمان‌ها را هدفمندتر و سریع‌تر کند. بر این اساس، می‌توان در آینده داروها را ابتدا روی مینی مغز هر بیمار آزمود و از ماه‌ها آزمون و خطای درمانی جلوگیری کرد. این دستاورد دریچه‌ای تازه به درک علمی بیماری‌های روانی می‌گشاید و می‌تواند به پزشکان کمک کند تا عدم قطعیت تشخیصی را در درمان این اختلالات کاهش دهند. نتایج این پژوهش در مجله APL Bioengineering منتشر شده است.

انتهای پیام