هوش مصنوعی، چشم جدید پزشکان برای پیگیری ام‌اس
یک بررسی جدید نشان می‌دهد که هوش مصنوعی می‌تواند به تشخیص زمانی که بیماری ام‌اس (اسکلروز متعدد) فرد به مرحله پیشرفته رسیده و لازم است نوع درمانش تغییر کند، یاری برساند.
به گزارش گروه رسانه ای شرق، پژوهشگران اخیرا در ژورنال npj Digital Medicine گزارش کردند که یک هوش مصنوعی تازه توسعه‌یافته با دقت ۹۰ درصد تشخیص داده است که چه زمانی بیماری ام‌اس فرد به مرحله‌ای رسیده است که به طور پیوسته پیشرفت خواهد کرد.
کیم کولتیما، دانشیار علوم پزشکی و شیمی بالینی در دانشگاه اوپسالا در سوئد و یکی از این پژوهشگران گفت: «این وضعیت برای بیماران به این معنی است که تشخیص می‌تواند زودتر انجام شود و امکان تنظیم به موقع درمان بیمار و کاهش سرعت پیشرفت بیماری را فراهم می‌کند.»
بیماری بیشتر بیماران ام‌اس با نوع عودکننده-بهبودیابنده آن شروع می‌شود که در آن بیماری فرد به صورت دوره‌هایی متناوب از ثبات و وخامت بروز می‌کند.
بیماری بسیاری از این گروه بیماران با گذشت زمان به شکل ام‌اس پیشرونده ثانوی تبدیل می‌شود که در آن علائم بیماری به طور پیوسته و بدون وقفه بدتر می‌شوند.
به گفته این پژوهشگران، تشخیص این گذار بین این دو شکل ام‌اس مهم است زیرا این دو شکل بیماری به درمان‌های متفاوتی نیاز دارند.
با این حال، این پژوهشگران می‌گویند این تشخیص در حال حاضر خیلی دیر و به طور متوسط سه سال پس از شروع گذار انجام می‌شود و در نتیجه داروهایی برای بیماران تجویز می‌شود که دیگر موثر نیستند.
این پژوهشگران مدل جدید هوش مصنوعی را با استفاده از داده‌های بالینی بیش از ۲۲۰۰۰ بیمار در رجیستری ام‌اس سوئد، از جمله آزمایش‌های عصبی، اسکن‌های ام‌آرآی و درمان‌های مداوم، آموزش دادند.
کولتیما گفت: «با تشخیص الگوهای بیماران قبلی، این مدل می‌تواند تشخیص دهد که آیا بیمار به شکل عودکننده-بهبودیابنده مبتلا است یا اینکه بیماری به ام‌اس پیشرونده ثانوی تبدیل شده است.»
وی افزود: «آنچه در مورد این مدل منحصر به فرد است این است که نشان می‌دهد در هر ارزیابی فردی چقدر مطمئن است. این بدان معناست که پزشک می‌داند نتیجه‌گیری چقدر قابل اعتماد است و هوش مصنوعی چقدر در ارزیابی خود مطمئن است.»
پژوهشگران دریافتند که در یک مجموعه داده آزمایشی شامل حدود ۳۶۰۰ بیمار، هوش مصنوعی حدود ۸۷ درصد مواقع گذار بیماران را از ام‌اس اولیه به پیشرونده به موقع - یا حتی زودتر - تشخیص داد.
کولتیما گفت: «این مدل در درازمدت همچنین می‌تواند برای شناسایی شرکت‌کنندگان مناسب برای آزمایش‌های بالینی مورد استفاده قرار گیرد که می‌تواند به استراتژی‌های درمانی مؤثرتر و شخصی‌سازی‌شده‌تر کمک کند.»
این گروه یک نسخه باز از این مدل هوش مصنوعی را در اینترنت قرار داده است تا سایر پژوهشگران آن را آزمایش کنند.
