ما تا این مدت درمانی برای بیماری آلزایمر نداریم، اما با تشخیص زودهنگام آن می‌توانیم مقدمات و احتمالا حتی عمل های پیشگیرانه را انجام دهیم. مدل‌های تازه هوش مصنوعی می‌توانند هشداری زودهنگام برای افرادی که قرار است سال‌ها قبل از ظهور علائم بیماری به آن مبتلا شوند، اراعه دهد.
هوش مصنوعی چطور آلزایمر را پیش‌بینی خواهد کرد؟
تیمی از دانشگاه کالیفرنیا، سانفرانسیسکو (UCSF) و دانشگاه استنفورد از راه حلهای یادگیری ماشینی در بیشتر از ۵ میلیون پرونده سلامت منفعت گیری کردند و هوش مصنوعی جدیدی را آموزش دادند تا الگوهایی را که آلزایمر را به دیگر شرایط‌ها مرتبط می‌کند، شناسایی کند.
سیستم به‌دست‌آمده کامل نیست، اما هنگامی که دربرابر اسبق افرادی که بعداً به آلزایمر مبتلا شده‌اند آزمایش شد، ۷۲ درصد اوقات توانست پیشرفت آن را پیش‌بینی کند.
قوت پیش‌بینی سیستم هوش مصنوعی، از توانایی آن در ترکیب و تجزیهوتحلیل انواع گوناگون خطرات برای محاسبه گمان ابتلا به آلزایمر ناشی می‌شود. این یافته‌ها می‌تواند درمورد علل این بیماری و این چنین افرادی که امکان پذیر دربرابر آن صدمه‌پذیر باشند، اطلاعات بیشتری به ما بدهد.
آخرین اخبار
- گزینههای غذایی گیاهی که سرشار از امگا۳ هستند_آفتاب شرق
- گرانبهاتر از طلا؛ چین برای اولینبار خاک مورد قیمت ماه را به محققان بینالمللی قرض داد_آفتاب شرق
- اپل انگارً تراشههای قدرتمندی برای سرورهای هوش مصنوعی و مکها گسترش می‌دهد_آفتاب شرق
- ابتلا به مسمومیت با مصرف زیاد این ویتامین_آفتاب شرق
- استقرار ۲۸ آمبولانس و خودروی امدادی در جشن امام رضایی ها_آفتاب شرق
«آلیس تانگ»، مهندس زیستی از UCSF، می‌گوید: «این اولین قدم به سوی منفعت گیری از هوش مصنوعی روی داده‌های بالینی معمول است؛ نه‌تنها برای شناسایی خطر در اسرع زمان، بلکه برای فهمیدن زیست‌شناسی پشت آن.»
شناسایی عوامل موثر
این مدل تعدادی از شرایط را شناسایی کرد که می‌توان از آنها برای محاسبه خطر آلزایمر منفعت گیری کرد؛ ازجمله سختی خون بالا، کلسترول بالا، افتویتامین D و افسردگی. اختلال نعوظ و بزرگی پروستات از عوامل مهم در مردان بودند و پوکی استخوان هم برای زنان عاملی قابل‌دقت می بود.
یقیناً این بدان معنی نیست که افراد مبتلا به این مشکلات سلامتی، دچار زوال عقل خواهد شد. اما تجزیهوتحلیل هوش مصنوعی هر کدام را به‌گفتن پیش‌بینی‌هایی برسی می‌کند که قیمت بازدید را دارند. امید است که این نوع رویکرد یادگیری ماشینی بتواند روزی عوامل خطر دیگر بیماری‌های غیرقابل تشخیص را هم شناسایی کند.
تانگ می‌گوید: «این ترکیبی از بیماری‌ها است که به مدل ما اجازه می‌دهد تا اغاز آلزایمر را پیش‌بینی کند. یافته‌های ما مبنی بر این که پوکی استخوان یکی از عوامل آلزایمر در زنان است، تأثیر متقابل بیولوژیکی بین سلامت استخوان و خطر زوال عقل را برجسته می‌کند.»
محققان این چنین زیست‌شناسی پشت برخی از پیوندهای شناسایی‌شده را بازدید کردند. پوکی استخوان، آلزایمر در زنان و طوری از ژن MS4A6A به هم مرتبط می باشند و زمان‌های جدیدی را برای مطالعه گسترش این اختلال فراهم می‌کنند.
«مارینا سیروتا»، دانشمند سلامت محاسباتی در UCSF، می‌گوید: «این یک مثال عالی از نحوه منفعت گیری از داده‌های بیمار با یادگیری ماشینی است تا پیش‌بینی کنیم که کدام بیماران زیاد تر در معرض ابتلا به آلزایمر می باشند و این چنین دلایل این کار را فهمیدن کنیم.»
منبع
