روش جالب تشخیص آلزایمر
تاریخ انتشار: ۲۹ تیر ۱۴۰۰ | کد خبر: ۳۲۵۷۵۹۸۸
نتایج تحقیقات نشان می‌دهد که یک مدل پیش‌بینی مبتنی بر یادگیری ماشین را می‌توان با استفاده از مکالمه تلفنی آموزش داد تا علائم اولیه بیماری آلزایمر را شناسایی کند. ناطقان: به نقل از مدیکال نیوز، تشخیص بیماری آلزایمر به دلیل طیف گسترده‌ای از علائم، تنوع فردبه‌فرد، هزینه‌های تشخیصی و توانایی متفاوت مراکز بهداشتی دشوار است.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمی‌شوند!
در سال‌های اخیر شواهد زیادی ارائه شده است که مدل‌های پیش‌بینی کننده‌ای که از الگوریتم‌های یادگیری ماشین استفاده می‌کنند، دقت و کارایی بیشتری دارند. بسیاری از مدل‌ها برای اهداف بالینی ازجمله پیش‌بینی بیماری آلزایمر با استفاده از داده‌های سلامت بالینی ارائه شدند اما اثربخشی متفاوتی را نشان داده‌اند.
آکیهیرو شیمودا و همکاران وی از وزارت بهداشت عمومی ژاپن برای ایجاد و اصلاح مدل‌های موجود، مدل جدید و پیشرفته یادگیری ماشین را با استفاده از ویژگی‌های صوتی برای شناسایی علائم اولیه بیماری آلزایمر ایجاد کرده‌اند.
استفاده از ویژگی‌های صوتی نکته بسیار مهمی است زیرا شواهد بالینی نشان می‌دهد، بیماران مبتلا به آلزایمر به احتمال زیاد با مکث طولانی و آرام صحبت کرده و وقت خود را برای یافتن کلمات صحیح صرف می‌کنند که منجر به پیام‌های منقطع می‌شود و فقدان تسلط گفتاری را نشان می‌دهد.
برای توسعه مدل‌های دقیق پیش‌بینی، محققان از ۱۴۶۵ پرونده داده صوتی از ۹۹ فرد سالم و همچنین ۱۵۱ فایل داده صوتی ضبط شده از ۲۴ بیمار مبتلا به آلزایمر حاصل از یک برنامه پیشگیری از زوال عقل در شهر هاچیوجی در توکیو استفاده کردند. این داده‌ها از مکالمات تلفنی بین ماه‌های مارس و مه سال ۲۰۲۰ از افراد ۶۵ سال به بالا نمونه‌برداری شده‌اند.
محققان از روی فایل‌های صوتی، مدل‌های یادگیری ماشین را بر اساس تقویت‌گرادیان (XGBoost، تقویت گرادیان درخت تصمیم‌گیری است که برای سرعت و کارایی بالا طراحی شده است)، جنگل تصادفی یا جنگل تصمیم تصادفی (RF) و رگرسیون لجستیک (LR) با استفاده از هر فایل صوتی به‌عنوان یک مشاهده واحد توسعه دادند. سپس عملکرد پیش‌بینی شده مدل‌ها توسط منحنی مشخصه عملکرد سیستم یا منحنی عملیاتی گیرنده (ROC) ارزیابی شد که نشانه‌هایی از اثربخشی، حساسیت و موارد اختصاصی را بیان می‌کرد سپس نتایج الگوریتم‌های یادگیری ماشین چندگانه با آزمون‌های شناختی معمولی مقایسه شد و مدل‌ها عملکرد پیش‌بینی مشابه سایر آزمایش‌های تشخیصی را نشان دادند.
نتایج دیگر مدل‌های یادگیری ماشین نشان داد که دقت پیش‌بینی در مقایسه با سایر آزمون‌های تشخیصی در قابلیت تشخیص تفاوت معناداری ندارد.
بااین‌حال، چندین محدودیت نیازمند توجه است؛ در این روش فقط از نمونه‌های باینری به‌عنوان افراد سالم یا بیمار تشخیص داده شده با دامنه محدودی از تشخیص بالینی که می‌تواند شناسایی موثرتر شدت بیماری را فراهم کند، استفاده شده است و در مطالعات آینده باید داده‌های گذشته‌نگر بیماران با علائم محدود، خفیف یا شدید نیز مورد توجه قرار گیرد.
علاوه بر این، قدرت پیش‌بینی توسط اندازه نمونه و کیفیت صدا محدود بود که می‌تواند بیشتر گسترش یابد تا یک نمونه جمعیت بیشتر و یک کیفیت نمونه‌گیری استاندارد را در بر بگیرد. علاوه بر این، فقط ویژگی‌های صوتی سطحی برای تجزیه‌وتحلیل مورد استفاده قرار گرفت که اگر افراد با لهجه صحبت کنند یا تلفظ غیر معمول داشته باشند می‌تواند منجر به از دست دادن اطلاعات و شناسایی اشتباه شود.
با این وجود، دقت مدل‌های توسعه یافته توسط مجموعه داده‌های آموزشی بزرگ پشتیبانی می‌شود که بیانگر تفاوت نشانه‌های اصلی ویژگی‌های صوتی بین بیماران سالم و تشخیصی است. بنابراین یافته‌ها نشان می‌دهد که این مدل جدید پیش‌بینی با استفاده از مکالمات تلفنی روزانه دارای پتانسیل امیدوارکننده‌ای برای ارزیابی خطر بیماری آلزایمر است. در آینده، مطالعات می‌تواند بر روی این مفهوم گسترش یابد و شامل جمعیت نمونه بزرگتر و متنوع‌تری برای بهبود بهتر مدل‌های کنونی باشد.
نتایج این تحقیق در نشریه PLOS One منتشر شده است.
برچسب ها: آلزایمر ، ناطقان ، درمان ، تشخیص ، بیماری ، نشانه
منبع: ناطقان
کلیدواژه: آلزایمر ناطقان درمان تشخیص بیماری نشانه یادگیری ماشین بیماری آلزایمر ویژگی های صوتی نشان می دهد پیش بینی داده ها مدل ها
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت nateghan.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «ناطقان» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۲۵۷۵۹۸۸ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
متخصص حوزه انفورماتیک سلامت بیان کرد؛ نقش آزمایشگاه های پزشکی هوشمند در تشخیص بیماری ها
به گزارش قدس آنلاین، به نقل از انجمن دکترای علوم آزمایشگاهی تشخیص طبی ایران؛ سید محمود تارا، نایب رئیس کارگروه سلامت دیجیتال فرهنگستان علوم پزشکی ایران و مسئول پنل پیش نیازهای شکل گیری آزمایشگاه پزشکی هوشمند در بیست و یکمین کنگره کشوری و پانزدهمین کنگره بین المللی ارتقای کیفیت خدمات آزمایشگاهی تشخیص پزشکی ایران اظهار داشت: آزمایشگاه‌های بالینی و پزشکی هوشمند امروزه یکی از پایه‌های مهم در تشخیص و مدیریت بیماری‌ها محسوب می‌شوند. این آزمایشگاه‌ها با استفاده از فناوری های هوش مصنوعی، اطلاعات پزشکی را تحلیل کرده و الگوریتم‌های پیشرفته‌ای را به کار می‌برند تا بیماری‌ها را سریع تر بهبود بخشند. اهمیت آن ها در دنیای امروزی این است که این فناوری ها به پزشکان کمک می‌کنند تا بیماری‌ها را به دقت تشخیص دهند، پیش بینی کنند و درمان‌های بهتر و موثرتری را ارائه دهند.
وی افزود: هر چند در سطح جهانی، آزمایشگاه‌های پزشکی امروزی به طور گسترده ای از فناوری های هوشمند مانند سیستم‌های اتوماسیون، تجهیزات تصویری پیشرفته (به ویژه در پاتولوژی و مطالعه لام)، سیستم‌های اطلاعات آزمایشگاهی هوشمند، بستر داده های بزرگ و سیستم‌های پشتیبانی تصمیم‌گیری بر اساس هوش مصنوعی استفاده می‌کنند ولی این اتفاق، هنوز در کشور ما در حال طی مراحل اولیه هستند و آزمایشگاه های اندکی وجود دارند که پیشرفت های قابل ملاحظه ای در این زمینه داشته اند.
این متخصص حوزه انفورماتیک سلامت و بالین با اشاره به نیازهای اساسی و مهم در شکل گیری آزمایشگاه‌های پزشکی هوشمند بیان داشت: برای شکل‌گیری آزمایشگاه‌های پزشکی هوشمند، نیازمندی‌های اساسی شامل دسترسی به داده‌های بزرگ و با کیفیت، فناوری‌های پردازش داده قدرتمند، استانداردهای امنیتی برای حفظ حریم خصوصی بیماران و توانایی های فنی- انسانی همکاری و ارتباطات مؤثر بین تجهیزات و سیستم‌ها هستند. پس از شکل گیری زیرساخت حداقل، بکارگیری تیم خبره این حوزه و تشکیل تیم های مشترک با کادر بالینی شروع کننده نخستین فعالیت هاست.
وی به نقش شرکت‌های دانش بنیان ایرانی در برطرف کردن این نیازها تاکید کرد و گفت: شرکت‌های دانش بنیان ایرانی با توجه به توانایی‌ها و تخصص‌های خود، می‌توانند در برطرف کردن نیازهای ذکر شده نقش مهمی داشته باشند. آن ها می‌توانند به طراحی و توسعه نرم‌افزارهای پزشکی، تولید تجهیزات آزمایشگاهی پیشرفته و ارائه راهکارهای هوشمند برای مدیریت داده‌های پزشکی و اطلاعات بیماری‌ها کمک کنند. این بستر، به خصوص در کشور ما، بستری گسترده و پتانسیل فعالیت فراوان دارد.
به گزارش قدس آنلاین بیست و یکمین کنگره کشوری و پانزدهمین کنگره بین المللی ارتقای کیفیت خدمات آزمایشگاهی تشخیص پزشکی ایران روزهای ۱۱ تا ۱۴ اردیبهشت ۱۴۰۳ در مرکز همایش‌های برج میلاد برگزار می‌شود.
منبع: قدس آنلاین
خودکشی از رزیدنتها به پزشکان رسیده؛ چرا دکتر سمیرا آلسعیدی خودکشی کرد؟/ «خودکشی پزشکان بهمثابه یک انتحار اجتماعی است»