Τεχνολογία

Μηχανική μάθηση βοηθά στην έγκαιρη διάγνωση της ψύχωσης

Μηχανική μάθηση βοηθά στην έγκαιρη διάγνωση της ψύχωσης

Προηγούμενες μελέτες με χρήση μαγνητικής τομογραφίας εγκεφάλου έχουν προτείνει ότι οι δομικές διαφορές εμφανίζονται στον εγκέφαλο μετά την έναρξη της ψύχωσης.

Η έναρξη της ψύχωσης μπορεί να προβλεφθεί πριν εμφανιστεί, χρησιμοποιώντας ένα εργαλείο μηχανικής μάθησης που μπορεί να ταξινομήσει τις μαγνητικές τομογραφίες εγκεφάλου σε άτομα που είναι υγιή και σε άτομα που κινδυνεύουν από ψυχωσικό επεισόδιο. Μια διεθνής κοινοπραξία που περιλαμβάνει ερευνητές από το Πανεπιστήμιο του Τόκιο, χρησιμοποίησε τον ταξινομητή για να συγκρίνει σαρώσεις από περισσότερα από 2.000 άτομα από 21 παγκόσμιες τοποθεσίες.

Περίπου οι μισοί από τους συμμετέχοντες είχαν αναγνωριστεί ότι διατρέχουν κλινικά υψηλό κίνδυνο να αναπτύξουν ψύχωση. Χρησιμοποιώντας δεδομένα εκπαίδευσης, ο ταξινομητής ήταν 85% ακριβής στη διαφοροποίηση μεταξύ των ατόμων που δεν διέτρεχαν και εκείνων που αργότερα παρουσίασαν εμφανή ψυχωσικά συμπτώματα. Χρησιμοποιώντας νέα δεδομένα, ήταν 73% ακριβές. Η εργασία έχει δημοσιευθεί στο Molecular Psychiatry.

Αυτό το εργαλείο θα μπορούσε να είναι χρήσιμο σε μελλοντικά κλινικά περιβάλλοντα, καθώς ενώ οι περισσότεροι άνθρωποι που βιώνουν ψύχωση αναρρώνουν πλήρως, η πρώιμη παρέμβαση συνήθως οδηγεί σε καλύτερα αποτελέσματα με λιγότερο αρνητικό αντίκτυπο στη ζωή των ανθρώπων. Οποιοσδήποτε μπορεί να βιώσει ένα ψυχωτικό επεισόδιο, το οποίο συνήθως περιλαμβάνει αυταπάτες, παραισθήσεις ή αποδιοργανωμένη σκέψη. Δεν υπάρχει μεμονωμένη αιτία, αλλά μπορεί να προκληθεί από:

  • ασθένεια ή τραυματισμό,
  • τραύμα,
  • χρήση ναρκωτικών ή αλκοόλ,
  • φαρμακευτική αγωγή,
  • ή γενετική προδιάθεση.

 

Αν και μπορεί να είναι τρομακτική ή ανησυχητική, η ψύχωση είναι θεραπεύσιμη και οι περισσότεροι άνθρωποι αναρρώνουν. Καθώς η πιο κοινή ηλικία για ένα πρώτο επεισόδιο είναι κατά την εφηβεία ή την πρώιμη ενήλικη ζωή, όταν ο εγκέφαλος και το σώμα υφίστανται πολλές αλλαγές, μπορεί να είναι δύσκολο να εντοπιστούν οι νέοι που χρειάζονται βοήθεια. «Το πολύ μόνο το 30% των ατόμων κλινικού υψηλού κινδύνου έχουν αργότερα εμφανή ψυχωσικά συμπτώματα, ενώ το υπόλοιπο 70% όχι», εξήγησε ο αναπληρωτής καθηγητής Shinsuke Koike από τη Σχολή Τεχνών και Επιστημών του Πανεπιστημίου του Τόκιο.

«Ως εκ τούτου, οι κλινικοί γιατροί χρειάζονται βοήθεια για να εντοπίσουν εκείνους που θα συνεχίσουν να έχουν ψυχωσικά συμπτώματα χρησιμοποιώντας όχι μόνο υποκλινικά σημεία, όπως αλλαγές στη σκέψη, τη συμπεριφορά και τα συναισθήματα, αλλά και ορισμένους βιολογικούς δείκτες». Η κοινοπραξία ερευνητών συνεργάστηκε για να δημιουργήσει ένα εργαλείο μηχανικής μάθησης που χρησιμοποιεί μαγνητικές τομογραφίες εγκεφάλου για να εντοπίσει άτομα που διατρέχουν κίνδυνο ψύχωσης πριν ξεκινήσει.

Προηγούμενες μελέτες με χρήση μαγνητικής τομογραφίας εγκεφάλου έχουν προτείνει ότι οι δομικές διαφορές εμφανίζονται στον εγκέφαλο μετά την έναρξη της ψύχωσης. Ωστόσο, σύμφωνα με πληροφορίες, αυτή είναι η πρώτη φορά που εντοπίζονται διαφορές στον εγκέφαλο όσων διατρέχουν πολύ υψηλό κίνδυνο αλλά δεν έχουν ακόμη βιώσει ψύχωση. Η ομάδα από 21 διαφορετικά ιδρύματα σε 15 διαφορετικές χώρες συγκέντρωσε μια μεγάλη και διαφορετική ομάδα συμμετεχόντων εφήβων και νεαρών ενηλίκων.

Σύμφωνα με τον Koike, η έρευνα με μαγνητική τομογραφία στις ψυχωσικές διαταραχές μπορεί να έχει προκλήσεις, επειδή οι παραλλαγές στην ανάπτυξη του εγκεφάλου και στις μηχανές μαγνητικής τομογραφίας καθιστούν δύσκολο να ληφθούν πολύ ακριβή, συγκρίσιμα αποτελέσματα. Επίσης, με τους νέους, μπορεί να είναι δύσκολο να γίνει διάκριση μεταξύ των αλλαγών που συμβαίνουν λόγω τυπικής ανάπτυξης και εκείνων που οφείλονται σε ψυχικές ασθένειες.

“Διαφορετικά μοντέλα μαγνητικής τομογραφίας έχουν διαφορετικές παραμέτρους που επηρεάζουν επίσης τα αποτελέσματα”, εξήγησε ο Koike. “Ακριβώς όπως με τις κάμερες, τα διάφορα όργανα και οι προδιαγραφές λήψης δημιουργούν διαφορετικές εικόνες της ίδιας σκηνής, σε αυτήν την περίπτωση του εγκεφάλου του συμμετέχοντος. Ωστόσο, μπορέσαμε να διορθώσουμε αυτές τις διαφορές και να δημιουργήσουμε έναν ταξινομητή που είναι καλά συντονισμένος στην πρόβλεψη έναρξης ψύχωσης.”

Οι συμμετέχοντες χωρίστηκαν σε τρεις ομάδες ατόμων κλινικού υψηλού κινδύνου: σε αυτούς που αργότερα ανέπτυξαν ψύχωση. Αυτοί που δεν ανέπτυξαν ψύχωση. και άτομα με αβέβαιη κατάσταση παρακολούθησης (1.165 άτομα συνολικά και για τις τρεις ομάδες) και μια τέταρτη ομάδα υγιών μαρτύρων για σύγκριση (1.029 άτομα). Χρησιμοποιώντας τις σαρώσεις, οι ερευνητές εκπαίδευσαν έναν αλγόριθμο μηχανικής μάθησης για τον εντοπισμό προτύπων στην ανατομία του εγκεφάλου των συμμετεχόντων.

Από αυτές τις 4 ομάδες, οι ερευνητές χρησιμοποίησαν τον αλγόριθμο για να ταξινομήσουν τους συμμετέχοντες σε δύο κύριες ομάδες ενδιαφέροντος:

  • υγιείς μάρτυρες,
  • και άτομα υψηλού κινδύνου που αργότερα ανέπτυξαν εμφανή ψυχωσικά συμπτώματα.

Στην προπόνηση, το εργαλείο ήταν 85% ακριβές στην ταξινόμηση των αποτελεσμάτων, ενώ στην τελική δοκιμή χρησιμοποιώντας νέα δεδομένα ήταν 73% ακριβές στην πρόβλεψη ποιοι συμμετέχοντες διέτρεχαν υψηλό κίνδυνο εμφάνισης ψύχωσης. Με βάση τα αποτελέσματα, η ομάδα θεωρεί ότι η παροχή μαγνητικής τομογραφίας εγκεφάλου για άτομα που προσδιορίζονται ως κλινικά υψηλού κινδύνου μπορεί να είναι χρήσιμη για την πρόβλεψη μελλοντικής έναρξης ψύχωσης.

“Πρέπει ακόμη να ελέγξουμε εάν ο ταξινομητής θα λειτουργήσει καλά για νέα σύνολα δεδομένων. Εφόσον κάποιο από το λογισμικό που χρησιμοποιήσαμε είναι το καλύτερο για ένα σταθερό σύνολο δεδομένων, πρέπει να δημιουργήσουμε έναν ταξινομητή που να μπορεί να ταξινομήσει σθεναρά τις μαγνητικές τομογραφίες από νέες τοποθεσίες και μηχανήματα. μια πρόκληση που αντιμετωπίζει τώρα ένα εθνικό εγκεφαλικό έργο στην Ιαπωνία, που ονομάζεται Brain/MINDS Beyond”, δήλωσε ο Koike.

 

Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον Κόσμο
Ακολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις

Διαβάστε Eπίσης:

Μπορεί μια πειραματική εφαρμογή να σκανάρει τον βήχα για φυματίωση;

Heart-on-a-chip: Διαμορφώνει το μέλλον της καρδιαγγειακής έρευνας

Ερευνητική ομάδα χρησιμοποιεί Al για βελτίωση ανίχνευσης της σήψης και αποτελεσματική θεραπεία

Ο ρόλος της τεχνητής νοημοσύνης στην διοίκηση επιχειρήσεων

svg%3E svg%3E
svg%3E
svg%3E
Περισσότερα

Πώς να αποφύγουν τα νοσοκομεία την αποτυχία στην υιοθέτηση νέας τεχνολογίας;

Πολλά από τα ψηφιακά εργαλεία που υιοθετούν τα νοσοκομεία επικεντρώνονται στον εξορθολογισμό των ροών εργασίας για τους υπαλλήλους τους ή στη βελτίωση της εμπειρίας των ασθενών. 

Singles in America: Πώς να σπάσετε τον πάγο στα ραντεβού με AI

Singles in America: Σύμφωνα με τη μελέτη, τα ραντεβού με τεχνητή νοημοσύνη είναι σε πρώιμα στάδια, με μόλις το 6% όλων των ανύπαντρων και το 14% των ατόμων που βγαίνουν ραντεβού στο διαδίκτυο να λένε ότι έχουν πειραματιστεί με την τεχνητή νοημοσύνη για να ενισχύσουν τη ζωή τους. 

Eμπορικό εργαλείο τεχνητής νοημοσύνης έχει μέτρια επιτυχία στην πρόβλεψη νεφρικής βλάβης που σχετίζεται με νοσηλεία

«Ο εντοπισμός του κινδύνου HA-AKI με προγνωστικά μοντέλα θα μπορούσε να βοηθήσει στην υποστήριξη κλινικών αποφάσεων, όπως η προειδοποίηση των παρόχων να μην παραγγείλουν νεφροτοξικά φάρμακα, αλλά απαιτείται περαιτέρω μελέτη πριν από την κλινική εφαρμογή»