ابزاری جدید که توسط دانشگاه کوردوبا و با همکاری واحد پزشکی هسته ای در بیمارستان Reina Sofía ساخته شده است ، می تواند به پرسنل مراقبت های بهداشتی اجازه دهد درجات مختلف پارکینسون را تشخیص دهند ، بیماری که طبق اطلاعات سازمان بهداشت جهانی (7) میلیون نفر در سراسر جهان.

به گفته خاویر باربرو ، محقق گروه AYRNA ، "تاکنون ،" بیشتر ت تشخیص می دهند بیمار از این بیماری رنج می برد یا نه. " تیم تحقیقاتی سیستمی را ایجاد کرده اند که تعیین فاز در آن را امکان پذیر می سازد ، و بر اساس شدت ، بین چهار مورد مختلف تفاوت قائل می شود.

به طور خاص ، این روش جدید ترکیبی از هوش مصنوعی و استفاده از تصاویر سه بعدی از ناحیه مغز است که در آن تخریب نورون در حال رخ دادن است. برای انجام این کار ، تیم تحقیقاتی ، وکسل توسط وکسل (معادل یک پیکسل سه بعدی) ، بیش از 500 عکس از مغز افراد با علائم سازگار با این بیماری را تجزیه و تحلیل کرده است. نتیجه یک الگوریتم ریاضی است که پس از پردازش تمام این اطلاعات ، قادر به تخمین ، پس از اسکن تصویر مغز بیمار ، شدت بیماری ، بر اساس آسیب نورون است.

پدرو آنتونیو گوتیرز ، یکی دیگر از نویسندگان این مطالعه ، بهمراه توضیح داد: "ابزار جدید این برآورد را به طور خودکار تولید می کند ، و یک تشخیص اولیه را ارائه می دهد که البته باید توسط کادر پزشکی تأیید شود." سزار هرواس ، آنتونیو دوران و خولیو کاماچو.

ّپّاین محقق توضیح داد که این الگوریتم قادر به تعیین "کدام مناطق اسکن شده از مغز مهمترین است و بنابراین ، مناطقی که پرسنل متخصص باید آنها را برای تأیید تشخیص متمرکز کنند" است. اما ، چرا برخی مناطق مهمتر از مناطق دیگر هستند؟

پاسخ: دوپامین

بیماری پارکینسون باعث از دست دادن تراکم در پروتئین های مسئول حمل و نقل دوپامین ، انتقال دهنده فرکانس ضروری برای کنترل حرکت می شود. این تصاویر سه بعدی قادر به تشخیص تراکم این پروتئین ها و تعیین مکان هایی در مغز هستند که در آنها یافت می شود ، که سرنخی از شدت بیماری را ارائه می دهد.

ّسزار هرواس ، محقق اصلی گروه AYRNA ، گفت ، بنابراین این پروژه "به دنبال جایگزینی ارزیابی های پرسنل متخصص نیست ، بلکه به دنبال پشتیبانی برای تصمیم گیری پزشکی است." در هر صورت ، تعیین دقیق تر مرحله ای که این شرایط در آن قرار دارد می تواند به تنظیم مقدار داروی لازم کمک کند ، بنابراین منجر به درمان های بهتر برای یک بیماری مزمن می شود که هنوز هیچ درمانی برای آن وجود ندارد ، اگرچه پیش آگهی آن به لطف پیشرفت عصب شناسی و تولید داروهای جدید.

این فرآیند همچنین از طریق دو روش مختلف ، که هر دو در مجلات علمی منتشر شده اند ، تأیید شده است. اولین آنها از تکنیک های کلاسیک طبقه بندی ترتیبی استفاده می کند ، در حالی که نوع دوم مبتنی بر "شبکه های عصبی Convolutional" (CNN) است ، نوعی مدل هوش مصنوعی که با کارهای مربوط به بینایی مانند طبقه بندی تصویر بسیار موثر است.

201000319.029