تشخیص بیماری آلزایمر با توموگرافی مغز

به گزارش ایسنا و به نقل از STD، محققان در مطالعات اخیر از فناوری یادگیری ماشینی برای مطالعه ویژگی‌های ساختاری مغز، از جمله مناطقی که قبلاً با بیماری آلزایمر مرتبط نبوده‌اند، استفاده کرده‌اند. مزیت استفاده از این روش سادگی آن و تشخیص بیماری در مراحل اولیه و زمانی که تشخیص آن بسیار دشوار است می باشد.

در حالی که هیچ درمان خاصی برای بیماری آلزایمر وجود ندارد، تشخیص زودهنگام به بیماران در مراحل اولیه کمک می کند و به آنها اجازه می دهد روند درمان را شروع کنند و به نوعی علائم خود را زودتر مدیریت کنند. توانایی شناسایی دقیق بیماران در مراحل اولیه بیماری همچنین به محققان کمک می کند تا تغییرات مغزی را که باعث شروع بیماری می شود درک کنند و زودتر شروع به توسعه درمان های جدید کنند.

بیماری آلزایمر شایع ترین نوع زوال عقل است که بیش از نیم میلیون نفر را در بریتانیا تحت تاثیر قرار می دهد. اگرچه اکثر افراد مبتلا به آلزایمر پس از 65 سالگی به آن مبتلا می شوند، اما افراد کمتر از آن سن نیز می توانند به آن مبتلا شوند. شایع ترین علائم زوال عقل از دست دادن حافظه و مشکلات تفکر، حل مسئله و زبان است.

اکنون پزشکان برای تشخیص بیماری آلزایمر از طیف وسیعی از آزمایش‌ها از جمله تست‌های حافظه و شناختی و اسکن مغز استفاده می‌کنند. این اسکن برای بررسی رسوبات پروتئینی در مغز و اندازه گیری اندازه هیپوکامپ (ناحیه ای از مغز که به حافظه متصل می شود) استفاده می شود. همه این آزمایشات ممکن است چند هفته طول بکشد.

اما رویکرد جدیدی که محققان در این مطالعه مورد بحث قرار دادند، تنها به یکی از آنها نیاز دارد، که اسکن تصویربرداری تشدید مغناطیسی/تصویربرداری تشدید مغناطیسی (MRI) از دستگاه استاندارد 1.5 تسلا است که در اکثر بیمارستان‌ها رایج است.

محققان الگوریتمی را که برای استفاده در طبقه بندی تومورهای سرطانی توسعه یافته بود، اقتباس کردند و آن را روی مغز اعمال کردند. آنها مغز را به 115 منطقه تقسیم کردند و 660 ویژگی مختلف مانند اندازه، شکل و بافت را برای ارزیابی هر منطقه اختصاص دادند. آنها سپس الگوریتم را آموزش دادند تا تعیین کنند این تغییرات در کدام مناطق می تواند بیماری آلزایمر را به طور دقیق پیش بینی کند.

محققان با استفاده از داده های چندین مطالعه، رویکرد خود را بر روی اسکن مغزی بیش از 400 بیمار مبتلا به آلزایمر در مراحل اولیه، افراد سالم و بیماران مبتلا به سایر بیماری های عصبی، از جمله زوال عقل مفصل گیجگاهی فکی و بیماری پارکینسون، آزمایش کردند. آنها همچنین آن را با داده های بیش از 80 بیمار تحت آزمایش های تشخیصی آلزایمر در کالج سلطنتی لندن آزمایش کردند.

محققان دریافتند که در 98 درصد موارد، سیستم یادگیری ماشینی مبتنی بر MRI به تنهایی می تواند به دقت پیش بینی کند که آیا بیمار به بیماری آلزایمر مبتلا شده است یا خیر. همچنین در 79 درصد بیماران، تشخیص بیماری آلزایمر در مراحل اولیه و بیماری آلزایمر پیشرفته با دقت نسبتاً بالایی امکان پذیر بود.

پروفسور Eric Aboagye که سرپرستی این مطالعه را بر عهده داشت، گفت: در حال حاضر هیچ روش ساده و جامع دیگری نمی تواند بیماری آلزایمر را با این میزان دقت پیش بینی کند، بنابراین تحقیقات ما گام مهمی به جلو است.

سیستم جدید همچنین قادر به تشخیص تغییرات در مناطقی از مغز بود که قبلاً با بیماری آلزایمر مرتبط نبودند، از جمله مخچه (بخشی از مغز که فعالیت بدنی را تنظیم می کند) و مغز میانجی شکمی (مربوط به حواس، بینایی و … شنیدن).) این امر راه را برای تحقیقات جدید بالقوه در این زمینه ها و ارتباط آنها با بیماری آلزایمر هموار می کند. مغز میانی یا دی انسفالون قسمت دوم مغز جلویی است که بین مغز جلویی و مغز میانی قرار دارد و بطن سوم را می پوشاند. مهمترین اجزای مغز تالاموس و هیپوتالاموس هستند. دی انسفالون شامل سازمانی است که در عمق سطح داخلی نیمکره ها قرار دارد. در زیر تالاموس شیاری به نام هیپوتالاموس، در زیر و جلوی آن ناحیه هیپوتالاموس و در زیر و پشت شیار هیپوتالاموس زیر تالاموس قرار دارد که ناحیه کوچکی در پشت اپی تالاموس است. این مجموعه دی انسفالون یا تشکیلات اطراف بطن سوم نامیده می شود.

نتایج این مطالعه در مجله Communications Medicine منتشر شد.

انتهای پیام