-توسطیک دستگاه توسعهیافته در MIT با ظاهر یک روتر وایفای از یک شبکه عصبی برای تشخیص وجود و شدت یکی از سریعترین بیماریهای عصبی در حال رشد در جهان استفاده میکند.
بیماری پارکینسون به دلیل وابستگی عمده به ظاهر علائم حرکتی مانند لرزش، سفتی و کندی حرکت، تشخیص آن بسیار دشوار است، اما این علائم اغلب چند سال پس از شروع بیماری ظاهر میشوند. اکنون، دینا کاتابی، استاد مهندسی برق و کامپیوتر (EECS) در MIT و محقق اصلی در کلینیک MIT Jameel، و تیمش یک مدل هوش مصنوعی توسعه دادهاند که میتواند پارکینسون را فقط با خواندن الگوهای تنفس یک فرد تشخیص دهد.
ابزار مورد نظر یک شبکه عصبی است، یک سری الگوریتمهای متصل که از نحوه کار مغز انسان تقلید میکنند و قادر به ارزیابی این هستند که آیا فردی مبتلا به پارکینسون است یا خیر، از طریق تنفس شبانه او – یعنی الگوهای تنفس که در هنگام خواب رخ میدهد. شبکه عصبی که توسط یوزهه یانگ، دانشجوی دکترای MIT و یوان یوان، پست داک، آموزش دیده است، همچنین قادر به تشخیص شدت بیماری پارکینسون فرد و ردیابی پیشرفت بیماری او در طول زمان است.
یانگ نویسنده اول یک مقاله جدید در مورد این کار است که امروز در Nature Medicine منتشر شده است. کاتابی، که همچنین وابسته به آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT و مدیر مرکز شبکههای بیسیم و محاسبات موبایل است، نویسنده ارشد است. آنها به همراه یوان و ۱۲ همکار از دانشگاه راتگرز، مرکز پزشکی دانشگاه راچستر، کلینیک مایو، بیمارستان عمومی ماساچوست و کالج بهداشت و توانبخشی دانشگاه بوستون همکاری میکنند.
در طول سالها، محققان پتانسیل تشخیص پارکینسون با استفاده از مایع مغزی نخاعی و تصویربرداری عصبی را بررسی کردهاند، اما چنین روشهایی تهاجمی، پرهزینه هستند و نیاز به دسترسی به مراکز پزشکی تخصصی دارند، بنابراین برای آزمایشهای مکرر که میتوانند تشخیص زودهنگام یا ردیابی مداوم پیشرفت بیماری را فراهم کنند، مناسب نیستند.
محققان MIT نشان دادند که ارزیابی هوش مصنوعی پارکینسون را میتوان هر شب در خانه در حالی که فرد خواب است و بدون تماس با بدن او انجام داد. برای انجام این کار، تیم یک دستگاه با ظاهر یک روتر وایفای خانگی توسعه داد، اما به جای ارائه دسترسی به اینترنت، دستگاه سیگنالهای رادیویی ساطع میکند، بازتاب آنها را از محیط اطراف تجزیه و تحلیل میکند و الگوهای تنفس سوژه را بدون هیچ گونه تماس بدنی استخراج میکند. سیگنال تنفس سپس به شبکه عصبی تغذیه میشود تا پارکینسون را به صورت غیرفعال ارزیابی کند و هیچ تلاشی از سوی بیمار و مراقب نیاز نیست.
کاتابی میگوید: «رابطهای بین پارکینسون و تنفس در سال ۱۸۱۷ در کار دکتر جیمز پارکینسون مشاهده شد. این ما را بر آن داشت تا پتانسیل تشخیص این بیماری از تنفس فرد بدون نگاه کردن به حرکات را در نظر بگیریم. برخی مطالعات پزشکی نشان دادهاند که علائم تنفسی سالها قبل از علائم حرکتی ظاهر میشوند، به این معنی که ویژگیهای تنفسی میتواند برای ارزیابی خطر قبل از تشخیص پارکینسون امیدوارکننده باشد.»
پارکینسون که سریعترین بیماری عصبی در حال رشد در جهان است، دومین اختلال عصبی شایع پس از بیماری آلزایمر است. تنها در ایالات متحده، بیش از ۱ میلیون نفر را مبتلا میکند و بار اقتصادی سالانه ۵۱.۹ میلیارد دلاری دارد. الگوریتم تیم تحقیقاتی روی ۷۶۸۷ نفر از جمله ۷۵۷ بیمار پارکینسون آزمایش شد.
کاتابی خاطرنشان میکند که این مطالعه پیامدهای مهمی برای توسعه داروهای پارکینسون و مراقبت بالینی دارد. او میگوید: «از نظر توسعه دارو، نتایج میتواند آزمایشهای بالینی را با مدت زمان بسیار کوتاهتر و تعداد شرکتکننده کمتر امکانپذیر کند و در نهایت توسعه درمانهای جدید را تسریع کند. از نظر مراقبت بالینی، این رویکرد میتواند به ارزیابی بیماران پارکینسون در جوامع سنتی محروم، از جمله کسانی که در مناطق روستایی زندگی میکنند و کسانی که به دلیل محدودیت تحرک یا اختلال شناختی مشکل ترک خانه دارند، کمک کند.»
ری دورسی، استاد نورولوژی دانشگاه راچستر و متخصص پارکینسون که یکی از نویسندگان مقاله است، میگوید: «ما در این قرن پیشرفت درمانی نداشتهایم، که نشان میدهد رویکردهای فعلی ما برای ارزیابی درمانهای جدید بهینه نیست.» دورسی میافزاید که این مطالعه احتمالاً یکی از بزرگترین مطالعات خوابی است که تاکنون روی پارکینسون انجام شده است. او میگوید: «ما اطلاعات بسیار محدودی درباره تظاهرات بیماری در محیط طبیعی خود داریم و دستگاه کاتابی به شما امکان میدهد ارزیابیهای عینی و واقعی از وضعیت افراد در خانه داشته باشید. تشبیهی که دوست دارم بکشم این است که یک چراغ خیابانی در شب، و آنچه از چراغ خیابان میبینیم بخش بسیار کوچکی است … سنسور کاملاً بدون تماس کاتابی به ما کمک میکند تا تاریکی را روشن کنیم.»
این تحقیق در همکاری با دانشگاه راچستر، کلینیک مایو و بیمارستان عمومی ماساچوست انجام شده است و توسط مؤسسات ملی بهداشت حمایت میشود، با حمایت جزئی از بنیاد ملی علوم و بنیاد مایکل جی فاکس.
