تشخیص بیماری پارکینسون از طریق نگاه

مطالعه جدید نشان دهنده می‌دهد که بیماری پارکینسون (PD) را می‌توان با ردیابی از راه دور الگوهای تشخیصی افراد تشخیص داد.

این مطالعه که توسط متخصص MIT هدایت می‌شود، یک سیستم هوش مصنوعی را ارائه می‌دهد که از رادیویی برای نظارت بر کنترل در هنگام خواب استفاده می‌کند.

دینا کاتبی، محقق اصلی این تحقیق جدید، گفت: این مطالعه با الهام از مشاهدات ۲۰ ساله جیمز پارکینسون، اولین پزشکی که به صورت بیماری بالینی بیماری ژنراتیو عصبی را فهرست بندی کرد، انجام شد.

کاتبی توضیح داد که رابطه بین پارکینسون و بررسی در اوایل سال ۱۸۱۷ در کار دکتر جیمز پارکینسون ذکر شد. همین پیداکات باعث شد، تا پتانسیل تشخیص بیماری را از طریق چشم بدون نگاه کردن به حرکات در نظر بگیریم.

برخی از مطالعات پزشکی نشان می‌دهد که علائم مشخصی در سال‌های قبل از علائم حرکتی ظاهر می‌شوند، به این ویژگی‌های ویژگی‌هایی که می‌توانند برای ارزیابی خطر در تشخیص پارکینسون امیدوارکننده باشند.

اولین گام آموزش یک شبکه عصبی بر روی مجموعه داده‌های عظیم شبانه بود. تقریباً ۱۲۰۰۰ شب الگوی دید از ۷۵۷ بیمار مبتلا به پارکینسون و حدود ۷۰۰۰ فرد سالم مورد بررسی قرار گرفت.

با آزمایش مدل هوش مصنوعی بر روی یک مجموعه مستقل، با دقت ۸۶ درصد فقط از یک شب داده تشخیص

به طور متوسط، این مطالعه نشان داد که ۱۲ شب ردیابی متوالی می‌تواند به حدود ۹۵ درصد دقت در تشخیص پارکینسون برسد.

جالب‌تر از آن، پتانسیل این سیستم برای تشخیص بیماری پارکینسون قبل از ظهور علائم حرکتی است.

مجموعه داده مورد مطالعه شامل افراد قبل و بعد از تشخیص پارکینسون بود.

دو دوره خواب تقریباً شش سال از هم فاصله‌ها و مدل‌های مصنوعی مصنوعی می‌توان پارکینسون را در گروهی که تشخیص داده شد با دقت ۷۵ درصد از اولین مجموعه خواب‌های پیشبینی کند، قبل از اینکه بیمار به پارکینسون تشخیص داده شود، بود. /p>

محققان در این مطالعه می‌نویسد: در حال حاضر، تشخیص PD بر اساس علائم حرکتی بالینی است که تخمین زده می‌شود پس از انحطاط ۵۰ تا ۸۰ درصد نورون‌های دوپامینرژیک ایجاد شود.

سیستم ما شواهد اولیه‌ای را نشان می‌دهد که به طور بالقوه می‌تواند خطراتی را پیش‌بینی کند که بالینی ارائه می‌دهد.

البته برای تأیید این سیستم به عنوان یک ابزار تشخیصی برای کار بیشتر مورد نیاز است، اما با استفاده از آن سریع‌تر می‌توان در یافتن پیشرفت بیماری باشد.

سایر داده‌های تجزیه‌وتحلیل‌شده در این مطالعه نشان داد که مدل هوش مصنوعی می‌تواند بیمار پارکینسون را در طول ۱۲ ردیابی کند و تغییر در الگوهای ماهانه‌ای را با افزایش شدت بیماری مرتبط کند.

به گفته کاتبی، این مطلب می‌تواند در زمینه‌های کاربردی کاربرد داشته باشد، با بهبود مراقبت‌های بالینی برای بیمارانی که در محیط‌های دور زندگی می‌توانند به بررسی اثربخشی درمان‌های دارویی جدید در آزمایش‌های بالینی کمک کنند.

کاتبی گفت: از نظر توسعه دارو، نتایج می‌تواند آزمایش‌های بالینی را با مدت زمان بسیار کوتاه‌تر و شرکت‌کنندگان کمتر امکان‌پذیر کند و در نهایت توسعه درمان‌های جدید را تسریع کند.

از نظر مراقبت‌های بالینی این نکته می‌تواند به بررسی برخی از پارکینسون در جوامع سنتی کمک کند، از جمله افرادی که در مناطق روستایی زندگی می‌کنند و کسانی را که به دلیل حرکتی یا اختلالات شناختی در ترک خانه مشکل دارند، می‌کنند.

این روزهای اولیه است، اما قبلاً یک دستگاه دیواری ساخته شده است که می‌تواند برای نظارت بر بیماران در خانه استفاده شود.

در نهایت این نوع دستگاه می‌تواند به عنوان یک سیستم هشدار اولیه برای آنها که در معرض خطر بالاتری از حد متوسط ​​پارکین هستند، یا بیمارانی هستند که در مراحل اولیه هستند که ما به نظارت بر پیشرفت بیماری خود عمل می‌کنند.

محققان می‌گویند: ما تصور می‌کنیم این سیستم در نهایت می‌تواند در خانه‌های بیماران PD و افرادی که در معرض خطر بالای PD هستند (به عنوان مثال، افرادی که دارای جهش ژن LRRK۲ هستند) مستقر شود تا به طور غیر فعال وضعیت آن‌ها را نظارت کند و به ارائه دهنده آن‌ها بازخورد کند.

اگر این مدل بیماری، شدت را در افراد PD یا تبدیل به PD در افراد در خطر تشخیص دهد، پزشک می‌تواند به بیمار مبتلا شود تا نتایج را از طریق بهداشت از راه دور یا بازدید از کلینیک تایید کند. >

مطالعه جدید در Nature Medicine منتشر شده است.