مقاله ای به تازگی منتشر شده است که به پتانسیل یادگیری عمیق برای تشخیص بیماری پارکینسون اشاره می کند.
تشخیص بیماری پارکینسون با کمک یادگیری عمیق؛ پیش زمینه
نشانه ابتلا به بیماری پارکینسون، کاهش کنترل بر حرکات و مجموعه ای از علائم غیرحرکتی دیگر می شود. علت ابتلا به این عارضه، تحلیل نورون های دوپامینرژیک (یا نورون هایی که با انتقال دهنده های عصبی دوپامین در ارتباط هستند) در جسم سیاه مغز است.
از سال 2000 شاهد افزایش دو برابری تعداد افرادی هستیم که در نتیجه ابتلا به این بیماری جان خودشان را از دست می دهند. علت مرگ و میر بیماران کهنسال هم عمدتا به خاطر نبود روش های درمانی مطلوب است.
به همین خاطر هم باید مطالعات بیشتری در این زمینه انجام شود تا اطلاعات بیشتری درباره پاتولوژی این بیماری به دست بیاید و سیستم های مناسبی برای تشخیص این عارضه تولید شوند.
شبکیه چشم که معمولا به آن پنجره ای به مغز می گویند، مسیری مهم برای بررسی فرایندهایی است که در نتیجه آن ها اعصاب آسیب می بینند. در بسیاری از بیماری های تحلیل برنده اعصاب هم شاهد همین مسئله هستیم.
با وجود پیشرفت های اخیر اما باز هم اطلاعات زیادی درباره تحلیل و نابودی شبکیه در دسترس نیست. به همین خاطر هم باید مطالعات بیشتری در این زمینه انجام شود.
به همین منظور، محققان از الگوریتم های هوش مصنوعی از جمله مدل های یادگیری عمیق و الگوریتم های یادگیری ماشینی برای تشخیص این عارضه استفاده کرده اند.
درباره مطالعه
برای این که اطلاعات بیشتری درباره نشانگرهای بیماری پارکینسون در قسمت شبکیه چشم به دست آوریم، باید اول از همه باید درباره زوال ساختاری عروق شبکیه چیزهای بیشتری بدانیم.
قطعا این کار سخت و تا حدودی غیرممکن است اما هوش مصنوعی این فرایند را آسان می کند.
یافته های مطالعه
شبکه های عصبی عمیق، عملکرد بهتری نسبت به مدل های قدیمی یادگیری ماشینی دارند و می توانند به محققان در شناسایی بیماری پارکینسون کمک کنند. با کمک این تکنولوژی، می توان تصاویر به دست آمده از قعر شبکیه چشم را بررسی کرد.
این مدل با موفقیت توانست احتمال بروز این عارضه را با حساسیت 80 درصدی و بسیار زودتر از پزشکان پیش بینی کند.
پزشک با کمک شبکه های عصبی عمیق می تواند نشانگرهای این بیماری را شناسایی و ارزیابی کند. در حال حاضر، ابزارهای زیادی با این قابلیت وجود ندارند.
علاوه بر این، در مطالعات قبلی یادگیری عمیق با روش های قدیمی یادگیری ماشینی هم مقایسه نشده بودند. اما در این مطالعه تمام روش های یادگیری ماشینی در نظر گرفته شده است.
یادگیری عمیق؛ نتیجه گیری
به طور کلی، یافته های این مطالعه نشان می دهند که در مقایسه با مدل های یادگیری ماشینی، مدل های یادگیری عمیق با بررسی تصاویر به دست آمده از قعر شبکیه چشم، عملکرد بسیار بهتری در پیش بینی دقیق ابتلا به بیماری پارکینسون دارند.
