گام بزرگ محققان کشور در تشخیص زودهنگام بیماری‌های مغزی
روش نوین پژوهشگران دانشگاه تهران برای تخمین سن زیستی مغز انسان، تشخیص زودهنگام بیماری‌های عصبی را ممکن می‌کند.
به گزارش گروه دانشگاه خبرگزاری فارس به نقل از روابط عمومی دانشگاه تهران، روشی نوین برای تخمین سن زیستی مغز انسان معرفی شده است که می‌تواند گامی مؤثر در تشخیص زودهنگام بیماری‌های عصبی مرتبط با پیری، مانند آلزایمر و پارکینسون باشد این پژوهش در قالب پایان‌نامه ایمان کیانیان دانشجوی کارشناسی ارشد علوم کامپیوتر دانشگاه تهران است که به راهنمایی هدیه ساجدی عضو هیأت علمی دانشکده ریاضی، آمار و علوم کامپیوتر دانشگاه تهران انجام شده است.تخمین سن زیستی مغز بر اساس ویژگی‌های ساختاری و عملکردی، ابزاری کارآمد در ارزیابی روند پیری مغز و پیش‌بینی تغییرات شناختی است. به این منظور، مغز باید به طور کامل و جامع بررسی و ویژگی‌های آن به‌صورت داده‌های دقیق جمع‌آوری شود. هدیه ساجدی، عضو هیأت علمی دانشکدگان علوم دانشگاه تهران، درباره روش نوین طراحی‌شده برای تخمین سن مغز انسان گفت: مدلی که در پژوهش اخیر در دانشگاه تهران با عنوان مدل دومسیره حریص» معرفی شده، بر پایه یادگیری ماشین و استفاده از تصاویر امآرآی طراحی شده و قادر است بدون نیاز به داده‌های وسیع و پرهزینه، دقت بالایی در تحلیل و تخمین سن مغز به دست آورد.این پژوهشگر علوم کامپیوتر و هوش مصنوعی درباره ویژگی‌های این مدل نوآورانه افزود: مدل معرفی‌شده با استفاده از شبکه‌های عصبی پیچیده و الگوریتم‌های یادگیری عمیق، تصاویر امآرآی مغز را به‌صورت مقطعی تجزیه و تحلیل می‌کند.
وی اضافه کرد: این مدل از دو مسیر برای تحلیل هم‌زمان اطلاعات استفاده می‌کند، مسیر محلی که به بررسی دقیق بخش‌های خاصی از مغز می‌پردازد و مسیر کلی که از دید جامع‌تری برای تحلیل بهره می‌برد. سپس، نتایج به دست آمده از هر دو مسیر، توسط یک بخش ویژه برای اصلاح و ترکیب نهایی پردازش می‌شوند. در نهایت، این پردازش ترکیبی، تخمینی دقیق از سن زیستی مغز ارائه می‌دهد که برای ارزیابی سریع و دقیق وضعیت مغزی و سلامت شناختی فرد بسیار کاربردی است.کیانیان به فرایند پژوهش اشاره کرد و گفت: یکی از چالش‌های موجود در فرایند این پژوهش، فقدان دسترسی به مجموعه داده‌های بزرگ امآرآی در ایران بوده است. در حالی که بسیاری از مدل‌های پیشرفته در این زمینه برای عملکرد بهینه، به داده‌های وسیع و متنوع نیاز دارند، این مدل با استفاده از داده‌های محدود داخلی توانسته است به نتایج قابل مقایسه‌ای با مدل‌های پیچیده‌تر دست یابد. این پژوهشگر اضافه کرد: بهره‌گیری از داده‌های داخلی، همچنین به دلیل ویژگی‌های خاص زیستی و فرهنگی ملیت ایرانی، امکان تحلیل‌های دقیق‌تر و واقع‌گرایانه‌تر را فراهم کرده است. این امر، نشان‌دهنده قدرت مدل در انطباق با داده‌های محلی و کارایی آن در موقعیت‌هایی با داده‌های محدود است.
کیانیان به دیگر مزایای روش نوین معرفی‌شده اشاره کرد و گفت: این مدل سرعت بالایی در پردازش دارد و قادر است با دریافت تصویر امآرآی، سن زیستی مغز را در کمتر از یک ثانیه تشخیص بدهد. این سرعت، به‌ویژه در ارزیابی‌های بالینی و پایش‌های سریع کاربرد دارد و می‌تواند به پزشکان کمک کند تا بادقت بیشتری وضعیت شناختی بیماران خود را ارزیابی کنند و اقدامات پیشگیرانه و درمانی لازم را در زمان مناسب آغاز کنند.ساجدی درباره امکان توسعه این مدل در آینده نیز گفت: روش پیشنهادی این امکان را دارد که به ابزاری جامع‌تر برای پیش‌بینی و تحلیل روند پیری مغز تبدیل شود. به عنوان مثال، با جمع‌آوری داده‌های بیشتر و بهبود فناوری‌های تصویربرداری، مدل‌های پیشرفته‌ای می‌توانند توسعه یابند که با داده‌های گسترده‌تر و پیچیده‌تر کار کنند و الگوهای دقیق‌تری از پیری مغز را شناسایی کنند. وی عنوان کرد: این فناوری همچنین می‌تواند به‌عنوان ابزاری برای پایش مستمر وضعیت مغز به کار رود و به پزشکان و محققان کمک کند تا از روند پیری مغز در سطح کلان و به‌مرور زمان آگاهی پیدا کنند.استاد دانشگاه تهران در پایان به کاربرد مدل‌های هوشمند در پزشکی اشاره کرد و یادآور شد: این روش نوین نه‌تنها به پزشکان و محققان در تشخیص و درمان بیماری‌های مرتبط با سن کمک می‌کند، بلکه با ایجاد یک پایه علمی برای توسعه فناوری‌های آینده، راه را برای ظهور ابزارهای پیشرفته‌تر و مقرون‌به‌صرفه‌تر در حوزه پزشکی باز می‌کند. سرمایه‌گذاری در چنین مدل‌هایی، علاوه بر ارتقای کیفیت زندگی، می‌تواند تأثیرات مثبتی بر بهبود سلامت عمومی و کاهش بار مالی درمان بیماری‌های مرتبط با پیری مغز داشته باشد.
_____________________________________به‌روزترین خبرهای دانشگاهی را می‌توانید با ساخت اکانت شخصی برای خودتان با دنبال‌کردن گروه دانشگاه قبل از دیگران ببینید.پایان پیام/ #دانشگاهیان #بیماری_مغزی #پژوهش #دستاورد #پژوهشگران_دانشگاه_تهران #دانشگاه_تهران
13:30 - 6 آبان 1403
1 پاسخ