شناسایی سیگنال‌های مغزی مرتبط با بهبود افسردگی توسط هوش مصنوعی
دانشمندان با کاشت الکترود و هوش مصنوعی موفق شدند برخی تغییرات مربوط به فعالیت مغز در‌زمینه بهبود افسردگی را شناسایی کنند.
به گزارش اکو ۳۶۵ و به نقل از دیجیاتو، دانشمندان در آمریکا با ترکیبی از کاشت الکترود و تجزیه‌وتحلیل مبتنی بر هوش مصنوعی موفق شدند برخی تغییرات مربوط به فعالیت مغزی در‌زمینه بهبود افسردگی را شناسایی کنند. این دستاورد به محققان کمک می‌کند تا روش‌های بهتری را برای بهبود افسردگی پیشنهاد دهند و رویکردهای موفق‌تری را برای درمان این بیماری در پیش بگیرند.
محققان از یک ایمپلنت برای نظارت بر الگوها و سیگنال‌های مغز استفاده می‌کنند. آن‌ها در مطالعه‌ای جدید توانستند برخی تغییرات مربوط به سیگنال‌های مغزی مرتبط با سطوح مختلف افسردگی را با کمک یک سیستم مبتنی بر هوش مصنوعی پایش کنند.
در مطالعه انجام‌شده، ۱۰ بیمار مبتلا به افسردگی که در مقابل درمان مقاومت کرده بودند، در یک دوره شش‌ماهه درمان «تحریک عمیق مغز» (DBS) شرکت کردند. نتایج روش جدید با نتایج قبلی متفاوت بود و نشان می‌داد که استفاده از هوش مصنوعی برای محققان دستاورد خوبی به‌همراه داشته است.
دستاورد دیگری از هوش مصنوعی: شناسایی نشانگر زیستی مرتبط با بهبود افسردگی
دانشمندان در ایالات‌متحده، با ترکیبی از کاشت الکترود و تجزیه‌وتحلیل مبتنی بر هوش مصنوعی موفق شدند برخی تغییرات و الگوهای فعالیت مغزی ناشی از درمان تحریک عمیق مغز یا DBS را بررسی کنند.
تیمی از محققان مؤسسه فناوری جورجیا، دانشکده پزشکی دانشگاه اموری و دانشکده پزشکی ایکان در کوه سینا توانستند سیگنالی را در مغز شناسایی کنند که می‌تواند به‌عنوان نشانگر زیستی مرتبط با بهبود افسردگی مورد استفاده قرار گیرد. این سیگنال برای درمان‌های DBS بسیار کارایی دارد. درواقع محققان موفق شدند با اسکن مغزی و سیستم‌های مبتنی بر هوش مصنوعی، نشانگر زیستی مرتبط با بهبود افسردگی را شناسایی کنند.
«هلن مایبرگ»، متخصص مغز و اعصاب از دانشکده پزشکی ایکان در کوه سینا می‌گوید: «از هر ۱۰ بیمار در این مطالعه، ۹ بیمار بهتر شدند و فرصتی برای استفاده از فناوری جدید برای ردیابی مسیر بهبودی آن‌ها فراهم شد. هدف ما شناسایی یک سیگنال عصبی بود که به پزشکان کمک کند تصمیم بگیرند چه زمانی از روش درمانی DBS استفاده کنند.»
نتیجه این تحقیق در نشریه Nature منتشر شده است.
