[ad_1]

دورهام ، NC – نوعی هوش مصنوعی که برای تفسیر ترکیبی از تصاویر شبکیه طراحی شده است ، قادر به شناسایی موفقیت آمیز گروهی از بیماران شناخته شده به بیماری آلزایمر است ، که نشان می دهد روزی می تواند به عنوان ابزاری برای طبق یک مطالعه میان رشته ای توسط دانشگاه دوک ، پیش بینی

نرم افزار جدید رایانه ای ساختار شبکیه و عروق خونی موجود در تصاویر داخل چشم را که با تغییرات شناختی مرتبط هستند ، بررسی می کند.

این یافته ها که هفته گذشته در مجله چشم پزشکی انگلیس، شواهدی را برای این مفهوم فراهم آورید که تجزیه و تحلیل یادگیری ماشینی انواع خاصی از تصویربرداری از شبکیه امکان ایجاد راهی غیرتهاجمی برای تشخیص بیماری آلزایمر در افراد علامت دار را دارد.

نویسنده ارشد شارون فکرات ، پزشکی متخصص در شبکیه چشم در مرکز چشم دوک ، گفت: “تشخیص بیماری آلزایمر اغلب به علائم و آزمایش های شناختی متکی است.” “آزمایشات اضافی برای تأیید تشخیص ، تهاجمی ، گران قیمت است و برخی از خطرها را به همراه دارد. داشتن روشی در دسترس تر برای شناسایی بیماری آلزایمر می تواند از بسیاری جهات به بیماران کمک کند ، از جمله بهبود دقت تشخیصی ، ورود به آزمایشات بالینی. در اوایل دوره بیماری و برنامه ریزی برای تنظیمات لازم در سبک زندگی. “

فکرات بخشی از یک تیم میان رشته ای در Duke است که همچنین شامل تخصص از بخش های نورولوژی ، مهندسی برق و فناوری رایانه و آمار و آمار زیستی و بیوانفورماتیک دوک است. این تیم بر اساس کارهای قبلی که در آن تغییراتی در تراکم رگهای خونی شبکیه که با تغییرات شناختی ارتباط دارد را شناسایی کرد. آنها تراکم شبکه مویرگی اطراف مرکز ماکولا را در بیماران مبتلا به آلزایمر کاهش دادند.

با استفاده از این دانش ، آنها با استفاده از چهار نوع اسکن شبکیه به عنوان ورودی ، یک مدل یادگیری ماشین موسوم به شبکه عصبی کانولوشن (CNN) را آموزش می دهند تا رایانه را تشخیص دهد تا تفاوت های متناظر بین تصاویر را تشخیص دهد.

اسکن از 159 شرکت کننده در مطالعه برای ساخت CNN استفاده شد. 123 بیمار از نظر شناختی سالم بودند و 36 بیمار مبتلا به بیماری آلزایمر شناخته شده بودند.

نویسنده ارشد ، سی الیس ویلی ، دکتر ، چشم پزشک جامع از Duke ، می گوید: “ما چندین روش مختلف را آزمایش کردیم ، اما بهترین مدل ما تصویربرداری از شبکیه را با داده های بیمار بالینی ترکیب می کند.” “CNN ما بیماران مبتلا به بیماری آلزایمر علامتی را از شرکت کنندگان از نظر شناختی سالم در یک گروه آزمایش مستقل متمایز می کند.”

وی به طرز عاقلانه ای اظهار داشت که ثبت گروه متنوع تری از بیماران برای ساختن مدلهایی که بتوانند بیماری آلزایمر را در همه گروههای نژادی پیش بینی کنند و همچنین افرادی که دارای بیماریهایی مانند گلوکوم و دیابت هستند نیز مهم است. برای تغییر در شبکیه و ساختارهای عروقی.

Dilraj S. Grewal ، دکتر ، متخصص شبکیه چشم دوک ، اضافه کرد: “ما معتقدیم که آموزش اضافی با استفاده از تصاویر از جمعیت بزرگتر و متنوع تر با برخی از عوامل گیج کننده ، عملکرد مدل را بهبود می بخشد.”

وی گفت: تحقیقات بیشتر همچنین تعیین می کند که رویکرد AI تا چه اندازه با روشهای فعلی تشخیص بیماری آلزایمر مقایسه می شود ، که اغلب شامل آزمایش های گران قیمت و تهاجمی برای تصاویر عصبی و مایع نخاعی مغزی است.

“پیوندهای بین بیماری آلزایمر و تغییرات شبکیه – همراه با سیستم عاملهای غیرتهاجمی ، مقرون به صرفه و به طور گسترده در دسترس تصویربرداری از شبکیه – موقعیت تصویربرداری چند حالته شبکیه همراه با هوش مصنوعی به عنوان یک ابزار مکمل جذاب یا حتی به طور بالقوه حتی یک گزینه برای پیش بینی تصویربرداری شبکیه. تشخیص آلزایمر ، “Fecrates گفت.

###

علاوه بر فکرات ، ویلیس و گروال ، از نویسندگان مشترک این تحقیق می توان به دونگ وانگ ، ریکاردو هنائو ، آتالی سی تامپسون ، کیسون بی رابینز ، استفان پی یون ، سرینات سونداراراجان ، برایس دبلیو پولاسکیک ، جیمز آر بورک ، اندی لیو و لارنس کارین.

این مطالعه توسط بنیاد تشخیص داروی آلزایمر پشتیبانی شد. نویسندگان گزارش می دهند که هیچ منافع مالی مرتبط وجود ندارد.

سلب مسئولیت: AAAS و EurekAlert! هیچ مسئولیتی در قبال صحت گزارشهای خبری منتشر شده در EurekAlert ندارند! از طریق موسسات کمک کننده یا استفاده از هرگونه اطلاعات از طریق سیستم EurekAlert.

[ad_2]

منبع: kolah-news.ir