در این پژوهش که در قالب پایان نامه دانشجوی کارشناسی ارشد کامپیوتر دانشگاه تهران، ایمان کیانیان، با راهنمایی هادیه ساجدی، عضو هیئت علمی دانشکده ریاضی، آمار و علوم کامپیوتر انجام شد، روشی نوین برای برآورد سن بیولوژیکی مغز انسان در دانشگاه تهران معرفی شد. این روش ممکن است گامی موثر در تشخیص زودهنگام بیماری های عصبی مرتبط با افزایش سن مانند آلزایمر و پارکینسون باشد.
تخمین سن بیولوژیکی مغز بر اساس ویژگی های ساختاری و عملکردی آن، ابزاری موثر در ارزیابی روند پیری مغز و پیش بینی تغییرات شناختی است. برای این منظور، بررسی کامل و جامع مغز و جمع آوری داده های دقیق از ویژگی های آن ضروری است.
هذیح ساجدی، عضو هیأت علمی دانشکده علوم دانشگاه تهران درباره روش جدیدی که برای تخمین سن مغز انسان طراحی شده است، گفت: مدلی که در پژوهشی اخیر در دانشگاه تهران معرفی شد، «مدل زندگی دوم طمع» است. بر اساس استفاده از یادگیری ماشینی و تصاویر MRI.” برای دستیابی به دقت بالا در تجزیه و تحلیل و پیش بینی سن مغز بدون نیاز به داده های گسترده و گران قیمت طراحی شده است.
این محقق علوم کامپیوتر و هوش مصنوعی درباره ویژگی های این مدل ابداعی گفت: مدل معرفی شده با استفاده از شبکه های عصبی پیچیده و الگوریتم های یادگیری عمیق، تصاویر MRI مغز را به صورت مقطعی تجزیه و تحلیل می کند و این مدل از دو روش برای تحلیل همزمان اطلاعات استفاده می کند: مسیر محلی. که بخش‌های آن را بررسی می‌کند و مسیر کلی را که از دید جامع‌تری برای تجزیه و تحلیل استفاده می‌کند، در نهایت، این فرآیند ترکیبی تخمین دقیقی از سن بیولوژیکی مغز ارائه می‌کند وضعیت مغز و سلامت شناختی فرد.”
کیانیان فرآیند تحقیق را اینگونه توصیف کرد: یکی از چالش های موجود در این فرآیند تحقیق عدم دسترسی به مجموعه داده های بزرگ MRI در ایران بود، در حالی که بسیاری از مدل های پیشرفته در این زمینه برای عملکرد بهینه نیازمند داده های جامع و متنوعی هستند، این مدل با استفاده از داده‌های داخلی محدود، قابل مقایسه با مدل‌های پیچیده‌تر است. استفاده از داده‌های داخلی نیز به دلیل ویژگی‌های زیست‌شناختی و فرهنگی منحصربه‌فرد ملیت ایرانی، تحلیل دقیق‌تر و واقعی‌تر را امکان‌پذیر می‌سازد که نشان‌دهنده توانایی مدل برای انطباق با داده‌های محلی و اثربخشی آن در موقعیت‌های با داده های محدود
کیانیان سایر مزایای روش جدید را اینگونه تشریح کرد: این مدل سرعت پردازش بالایی دارد و با گرفتن تصویر MRI می تواند سن بیولوژیکی مغز را در کمتر از یک ثانیه تشخیص دهد و این سرعت به ویژه در ارزیابی های بالینی و نظارت سریع مفید است. و به پزشکان اجازه می دهد تا وضعیت شناختی بیماران خود را با دقت بیشتری ارزیابی کنند.» می تواند به ارزیابی صحیح کودک کمک کند و اقدامات پیشگیرانه و درمانی لازم را در زمان مناسب آغاز کند.
ساجدی درباره امکان توسعه این مدل در آینده گفت: این احتمال وجود دارد که روش پیشنهادی ابزار جامع تری برای پیش بینی و تحلیل روند پیری مغز باشد، به عنوان مثال با جمع آوری داده ها و فناوری های تصویربرداری بیشتر. بهبود، محققانی که با داده های بزرگتر و پیچیده تر کار می کنند و مدل های بهبود یافته ای که الگوهای دقیق تر پیری مغز را توصیف می کنند نیز می توانند به عنوان ابزاری برای نظارت مستمر بر وضعیت مغز استفاده شوند و به پزشکان و محققان در درک فرآیند پیری مغز در سطح کلان کمک کنند. در طول زمان
استاد دانشگاه تهران در پایان درباره کاربرد مدل‌های هوشمند در پزشکی افزود: این روش جدید نه تنها به پزشکان و محققان در تشخیص و درمان بیماری‌های مرتبط با افزایش سن کمک می‌کند، بلکه زمینه‌های علمی را برای توسعه علم فراهم می‌کند. فناوری‌های آینده در زمینه پزشکی پیشرفت بیشتری خواهند کرد.» «سرمایه‌گذاری در چنین مدل‌هایی می‌تواند علاوه بر بهبود کیفیت زندگی، تأثیرات مثبتی بر بهبود سلامت عمومی و کاهش بار مالی درمان بیماری‌های مرتبط با پیری مغز داشته باشد.»
نتایج این تحقیق به تازگی توسط Elsevier در مجله Neurocomputing منتشر شده است.
منبع: برنا