ايتنا - تشخیص سریع‌تر صرع به کمک یادگیری ماشینی ممکن شد

به تازگی تکنولوژی جدیدی برای شناسایی اتوماتیک فعالیت‌های غیرعادی در سوابق الکتریکی بیماران طراحی شده است.

به گزارش ایتنا و به نقل از ZDNet، یک مطالعه جدید که توسط دانشگاه Monash با همکاری بیمارستان سطلنتی ملبورن و Alfred Health به اجرا در آمده، به نتایج مهمی درباره نحوه استفاده از تکنولوژی یادگیری ماشین برای اتوماتیک کردن تشخیص صرع دست یافته است.

به عنوان بخشی از این مطالعه، پژوهشگران دانشگاه موناش بیش از 400 سوابق ثبت شده الکتروانسفالوگرام (EEG) از افرادی که به صرع ابتلا داشتند و افرادی که مبتلا به صرع نبودند را از بیمارستان‌های The Royal Melbourne و Alfred Health تهیه کرده، و سپس یک مدل یادگیری ماشین را بر روی آن اعمال کردند.

آموزش دادن این مدل با دیتاست‌های مختلف، آن را قادر ساخت تا علائم صرع –یا فعالیت‌های غیرعادی مرتبط با آن– را شناسایی نماید.

لوین کولمن، مدرس ارشد دانشگاه موناش در دانشکده دپارتمان IT علوم داده‌ها و AI، اینگونه توضیح داد که: «هدف مرحله اول، ارزیابی الگوهای موجود دخیل در تشخیص سوابق الکتریکی غیرعادی میان نورون‌ها در مغز است، که فعالیت شبه‌صرعی نامیده می‌شوند. این حالت‌های غیرنرمال، غالبا جهش‌های تندی هستند که با الگوهای ریتمی اسکن EEG یک بیمار تفاوت دارند.»

دوگ نهو، محقق پروژه و دانشجوی Phd این دانشکده، گفت که اعمال یادگیری ماشین به این فرایند پتانسیل آزاد کردن وقت متخصصان پزشکی را دارد، چرا که فرایند کنونی تشخیص صرع غالبا فرایندی طولانی است.

این دانشگاه اعلام کرد که علاوه بر تشخیص بیماری صرع، تکنولوژی یادگیری ماشین به طور بالقوه می‌تواند به عنوان یک ابزار یادگیری برای فارغ‌التحصیلان عصب‌شناسی استفاده شود، که می‌توانند از این تکنولوژی به عنون مبنایی برای مقایسه سوابق ثبتی بیماران مبتلا به صرع استفاده کنند.

پاتریک کوان از اعضای هیئت علمی دپارتمان نوروساینس در دانشگاه موناش گفت: «هدف ما توسعه یک الگوریتم دقیق است که در مراکز بیمارستانی متعددی قابل استفاده باشد و در مراحل اولیه تشخیص صرع، برای سوابق ثبت‌شده روتین و کم‌خوابی EEG، قابل استفاده باشد.»

به گفته کولمن، مرحله بعدی این پروژه شامل متمرکز شدن مدل یادگیری ماشین بر روش‌های جدید پیش‌بینی و تشنج‌ها خواهد بود.