[ad_1]

نوعی هوش مصنوعی که برای تفسیر ترکیبی از تصاویر شبکیه طراحی شده است ، قادر به شناسایی موفقیت آمیز گروهی از بیماران شناخته شده در بیماری آلزایمر بود ، که به گفته وی یک روش می تواند روزی به عنوان یک ابزار پیش بینی استفاده شود. تحصیل در دانشگاه دوک

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.

یافته ها 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 ، پزشک متخصص 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 است و خطراتی را به همراه دارد. داشتن روش در دسترس تر برای شناسایی بیماری آلزایمر می تواند از بسیاری جهات به بیماران کمک کند ، از جمله بهبود دقت تشخیصی ، اجازه دادن به آنها برای ورود به آزمایشات بالینی در مراحل اولیه بیماری و برنامه ریزی برای تنظیمات لازم در سبک زندگی. “

فکرات بخشی از تیم میان رشته ای دوک است که شامل تخصصی از بخش های عصب شناسی ، مهندسی برق و فناوری رایانه و آمار زیستی و بیوانفورماتیک دوک نیز می باشد. این تیم متکی به کارهای قبلی بود که در آن تغییراتی در تراکم عروق خونی شبکیه را شناسایی کرد که با تغییرات شناختی ارتباط دارد. 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 کامپیوتر بتواند 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 ، دکترای تخصصی ، چشم پزشک جامع از Duke ، گفت: “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 متنوعی از بیماران برای ساختن مدلهایی که بتوانند بیماری آلزایمر را در همه گروههای نژادی پیش بینی کنند و همچنین افرادی که بیماریهایی مانند گلوکوم و دیابت دارند نیز مهم است. برای تغییر در شبکیه و ساختارهای عروقی.

Dilrage C. Greval ، Ph.D. ، 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 برای تشخیص بیماری آلزایمر مقایسه می شود ، که اغلب شامل آزمایش های گران قیمت و تهاجمی برای تصاویر عصبی و مایع نخاعی مغزی است.

“پیوندهایی 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 عنوان یک گزینه جایگزین برای پیش بینی تصویربرداری شبکیه تشخیص آلزایمر ، “Fecrates گفت.

تاریخچه تاریخ:

مواد تهیه شده توسط مرکز پزشکی دانشگاه دوک. توجه: مطالب را می توان از نظر سبک و طول ویرایش کرد.

[ad_2]

منبع: packge-news.ir