شفاآنلاین:سلامت>،در دنیای پزشکی، تشخیص زودهنگام بیماریهای مغزی همیشه چالشی بزرگ بوده است. اما اکنون، محققان دانشگاه تهران با طراحی یک مدل پیشرفته برای تخمین سن زیستی مغز، امید به تشخیص زودهنگام بیماریهای عصبی را افزایش دادهاند. این تحقیق که به راهنمایی دکتر هدیه ساجدی، عضو هیأت علمی دانشکده ریاضی، آمار و علوم کامپیوتر انجام شده، به عنوان بخشی از پایاننامه ایمان کیانیان، دانشجوی کارشناسی ارشد این دانشگاه مطرح شده است.
به گزارش شفا آنلاین:تخمین سن زیستی مغز ابزاری حیاتی برای ارزیابی روند پیری و پیشبینی تغییرات شناختی است. با استفاده از این روش، پزشکان میتوانند به نشانههای اولیه بیماریهای عصبی مرتبط با سن توجه کنند. ساجدی در این باره توضیح داد که مدل "دو مسیره حریص" طراحی شده، بر اساس تصاویر امآرآی عمل میکند و با استفاده از یادگیری ماشین، دقت بالایی در تحلیل و تخمین سن مغز ارائه میدهد.
مدل جدید شامل تجزیه و تحلیل تصاویر امآرآی با استفاده از شبکههای عصبی پیچیده و الگوریتمهای یادگیری عمیق است. این مدل به دو مسیر تحلیلی تقسیم میشود:
- مسیر محلی: بررسی دقیق قسمتهای خاص مغز
- مسیر کلی: تحلیل جامع ساختار کلی مغز
نتایج به دست آمده از هر دو مسیر بهطور همزمان پردازش و ترکیب میشوند تا تخمینی دقیق از سن زیستی مغز ارائه گردد.
این روش نوآورانه دارای پتانسیل تبدیل به ابزاری جامعتر برای پیشبینی روند پیری مغز است. ساجدی تأکید کرد که با جمعآوری دادههای بیشتر و بهبود فناوریهای تصویربرداری، مدلهای پیشرفتهتری میتوانند توسعه یابند که بتوانند با دادههای پیچیدهتر کار کنند.
دکتر هدیه ساجدی به اهمیت استفاده از این مدل در تشخیص و درمان بیماریهای مرتبط با سن اشاره کرد و افزود که این فناوری میتواند به عنوان یک پایه علمی برای توسعه ابزارهای پیشرفتهتر در حوزه پزشکی عمل کند. سرمایهگذاری در این نوع فناوریها نه تنها کیفیت زندگی را افزایش میدهد بلکه میتواند تأثیرات مثبتی بر بهبود سلامت عمومی و کاهش بار مالی درمان بیماریهای مغزی مرتبط با پیری داشته باشد.
کیانیان در توضیح چالشهای موجود اشاره کرد که یکی از آنها عدم دسترسی به دادههای بزرگ امآرآی در ایران است. با این حال، مدل آنها با استفاده از دادههای محدود توانسته به نتایج قابل مقایسهای با مدلهای پیشرفتهتر دست یابد. سرعت بالای این مدل به گونهای است که میتواند سن زیستی مغز را در کمتر از یک ثانیه تخمین بزند، که این ویژگی به ویژه در ارزیابیهای بالینی بسیار کاربردی است.
این پژوهش که به تازگی در نشریه Neurocomputing منتشر شده است، نویدبخش یک پیشرفت بزرگ در تشخیص زودهنگام بیماریهای مغزی به شمار میآید. امید است که این فناوری به پزشکان کمک کند تا با دقت بیشتری وضعیت شناختی بیماران را ارزیابی کرده و اقدامات پیشگیرانه و درمانی لازم را بهموقع آغاز کنند. با این دستاوردها، گامهای مهمی در مسیر بهبود سلامت مغز و کیفیت زندگی افراد مبتلا به بیماریهای عصبی برداشته میشود
