مدل هوش مصنوعی جدید، هشدار زودهنگام زوال عقل و تشخیص سرطان مغز را ممکن میکند
پژوهشگران مرکز درمانی Mass General Brigham موفق به توسعه یک مدل پیشرفته هوش مصنوعی شدهاند که با تحلیل تصاویر MRI مغز، میتواند خطر ابتلا به زوال عقل را پیشبینی کرده، سن بیولوژیکی مغز را برآورد کند و دقت تشخیص جهشهای ژنتیکی مرتبط با سرطان مغز را افزایش دهد؛ دستاوردی که میتواند به مداخلات زودهنگام و تصمیمگیریهای درمانی شخصیسازیشده منجر شود.
به گزارش مدرن مد به نقل از digitalhealthnews، این مدل که هسته تطبیقی تصویربرداری مغز Brain Imaging Adaptive Core (BrainIAC) نام دارد، با استفاده از نزدیک به ۴۹ هزار اسکن MRI مغز آموزش دیده و قادر است اطلاعات بالینی مهمی را استخراج کند که معمولاً در ارزیابیهای استاندارد تصویربرداری مورد توجه قرار نمیگیرند.
MRI مغز یکی از پرکاربردترین ابزارها در نورولوژی و انکولوژی است، اما تفسیر بالینی آن اغلب به پاسخ دادن به یک سؤال مشخص، مانند شناسایی تومور یا ناهنجاریهای ساختاری قابل مشاهده، محدود میشود. در نتیجه، حجم عظیمی از دادههای نهفته در این تصاویر بدون استفاده باقی میماند.
با پیشرفتهای اخیر در حوزه هوش مصنوعی و تصویربرداری محاسباتی، امکان تحلیل گسترده این دادهها فراهم شده و الگوهای مرتبط با خطر بیماری، روند پیشرفت و پیامدهای درمانی قابل شناسایی شدهاند.
BrainIAC بهعنوان یک مدل پایه (Foundation Model) و با روش یادگیری خودنظارتی توسعه یافته است؛ به این معنا که مدل از حجم زیادی از دادههای MRI بدون برچسب آموزشی یاد گرفته است.
دکتر بنجامین کان، عضو هیئت علمی برنامه «هوش مصنوعی در پزشکی» (AIM) در Mass General Brigham و نویسنده مسئول این پژوهش، در اینباره میگوید: «BrainIAC یک مدل پایه هوش مصنوعی است که با دهها هزار اسکن MRI مغز آموزش دیده تا ساختار مغز را درک کند. بر اساس این دانش پایه، میتوان مدل را برای شناسایی انواع بیماریهای مغزی، تعیین شدت آنها و پیشبینی خطرات آینده تطبیق داد.»
نتایج این پژوهش که در مجله معتبر Nature Neuroscience منتشر شده است، نشان میدهد BrainIAC قادر به برآورد سن مغز، پیشبینی خطر زوال عقل، شناسایی جهشهای ژنتیکی مرتبط با تومورهای مغزی و حتی پیشبینی میزان بقا در بیماران مبتلا به سرطان مغز است.
دکتر کان افزود: «شناسایی زودهنگام این مشکلات به پزشکان و بیماران کمک میکند تا نوع درمان یا اقدامات پیشگیرانه مناسب را انتخاب کنند؛ موضوعی که در نهایت به بهبود کیفیت زندگی و افزایش طول عمر بیماران منجر خواهد شد.»
این مدل همچنین در شرایطی که دادههای برچسبخورده محدود بودهاند، عملکرد بسیار مطلوبی از خود نشان داده و حتی از بسیاری از مدلهای هوش مصنوعی تخصصیتر پیشی گرفته است؛ نکتهای مهم در حوزه سلامت که دسترسی به دادههای تصویربرداری دقیق و برچسبگذاریشده اغلب با محدودیت همراه است.
BrainIAC بهصورت متنباز و صرفاً برای اهداف پژوهشی منتشر شده است و این امکان را به مؤسسات درمانی و تحقیقاتی میدهد که بدون نیاز به هزاران اسکن برچسبدار، آن را برای استفاده محلی تطبیق دهند.
پژوهشگران قصد دارند در مراحل بعدی، این مدل را بهبود داده و کاربردهای آن را به سایر بیماریهای مغزی گسترش دهند؛ اقدامی که نقش روبهرشد هوش مصنوعی در تحقیقات زوال عقل، درمان سرطان مغز و سلامت دیجیتال را بیش از پیش تقویت خواهد کرد.
