كمك هوش مصنوعی به درمان صرع

محققان در این مطالعه كه پروژه تشخیص ضایعات صرع چند مركزی (MELD) نام داشت، از بیش از 1000 اسكن ام آر آی بیماران كه از 22 مركز جهانی صرع جمع‌آوری شده بود، برای توسعه این الگوریتم استفاده كرد. این الگوریتم گزارش‌هایی از محل ناهنجاری‌ها در موارد دیسپلازی قشر مركزی (FCD) مقاوم به دارو كه یكی از علل اصلی صرع است، ارائه می‌دهد.
دیسپلازی قشر مركزی، مناطقی از مغز هستند كه به طور غیر طبیعی رشد كرده‌اند و اغلب باعث صرع مقاوم به دارو می‌شوند. این بیماری معمولا با جراحی درمان می‌شود، با این حال شناسایی ضایعات حاصل از MRI یك چالش مداوم برای پزشكان است، زیرا دیسپلازی قشر مركزی در اسكن‌های MRI می‌تواند طبیعی به نظر برسد.

برای توسعه این الگوریتم، محققان ویژگی‌های قشر مغز مانند میزان ضخیم یا چین‌خوردگی سطح قشر مغز را از اسكن‌های MRI اندازه‌گیری كردند و از حدود 300 هزار مكان در سراسر مغز برای ایجاد آن استفاده كردند.

سپس محققان الگوریتم را به‌وسیله نمونه‌هایی كه توسط رادیولوژیست‌های خبره علامت‌گذاری شده بود، به عنوان یك مغز سالم یا دارای دیسپلازی قشر مركزی، بسته به الگوها و ویژگی‌های آنها، آموزش دادند.

كمك هوش مصنوعی به درمان صرع

یافته‌ها نشان داد كه به طور كلی الگوریتم قادر به تشخیص دیسپلازی قشر مركزی در 67 درصد موارد (538 شركت‌كننده) بود.

پیش از این،MRI تعداد 178 نفر از این شركت‌كنندگان در این مورد بدون ناهنجاری در نظر گرفته شده بود، به این معنی كه رادیولوژیست‌ها قادر به یافتن این ناهنجاری نبودند، اما الگوریتم MELD قادر به شناسایی دیسپلازی قشر مركزی در این موارد بود. این امر بسیار مهم است، زیرا اگر پزشكان بتوانند این ناهنجاری را در اسكن مغز پیدا كنند، سپس جراحی برای برداشتن آن می‌تواند درمانی كاربردی باشد.

دكتر "هانا اسپیتزر" (Hannah Spitzer)، نویسنده ارشد این مطالعه گفت: الگوریتم ما به طور خودكار می‌تواند ضایعات را از هزاران اسكن MRI بیماران تشخیص دهد. این الگوریتم می‌تواند به طور قابل اعتماد انواع ضایعات، شكل‌ها و اندازه‌های مختلف آنها و حتی بسیاری از آن ضایعات را كه قبلا توسط رادیولوژیست‌ها شناسایی نشده بودند، تشخیص دهد.

یافته‌های این مطالعه در مجله "Brain" منتشر شد.