معاینه چشم می تواند به تشخیص زودهنگام پاکینسون کمک کند
بر اساس مقاله ی ارائه شده در نشست سالانه انجمن رادیولوژی آمریکای شمالی (RSNA) ، یک معاینه ساده چشمی همراه با تکنولوژی قدرتمند هوش مصنوعی (AI) می تواند بیماری پارکینسون را در مراحل اولیه تشخیص دهد.
بیماری پارکینسون یک اختلال پیشرونده در سیستم عصبی مرکزی بدن است که میلیون ها نفر را در سراسر جهان مبتلا می کند. تشخیص این بیماری به طور معمول براساس علائمی مانند لرزش ، سفتی عضلات و اختلال در تعادل است .
ماکسیمیلیان دیاز ، نویسنده ارشد این مقاله، دکترای مهندسی پزشکی گفت: “مسئله مهم در تشخیص این بیماری این است که معمولاً فقط پس از پیشرفت طولانی مدت بیماری و با آسیب قابل توجه به سلولهای عصبی دوپامین مغز علائم در بیمارایجاد میشود. این بدان معنی است که ما در اواخر روند بیماری بیماران را تشخیص می دهیم.”
پیشرفت بیماری پارکینسون با آسیب سلولهای عصبی که باعث نازک شدن دیواره های شبکیه چشم می شود ، قابل تشخیص است .این بیماری همچنین رگهای خونی میکروسکوپی یا میکرو عروق شبکیه را تحت تأثیر قرار می دهد. بررسی این تغییرات با استفاده از قدرت هوش مصنوعی و تصاویر شبکیه چشم ، فرصت مناسبی برای تشخیص زود هنگام علائم بیماری پارکینسون است.
محققان با به کارگیری نوعی هوش مصنوعی به نام ماشین بردار پشتیبانی (SVM) وبا استفاده از تصاویرشبکیه چشم ازدوگروه مختلف مبتلا به بیماری پارکینسون و گروه کنترل ، سیستم SVM را جهت تشخیص علائم پارکینسون تحت آزمایش و بررسی قرار دادند.
نتایج نشان داد که این سیستم (ترکیب هوش مصنوعی و تصاویر شبکیه چشم)می توانند بیماری پارکینسون را بر اساس عروق شبکیه طبقه بندی کنند و شاخص اصلی تشخیص این سیستم، وجود رگ های خونی کوچک تر میباشد. که ثابت میکند تغییرات فیزیولوژیکی در مغز، روی عصب شبکیه چشم نیز تاثیر میگذارد.
دیاز گفت: ” مهمترین یافته این مطالعه این بود که این بیماری مغزی با استفاده از یک تصویر ساده از چشم تشخیص داده شده است.” که این روش در مقایسه با سایر روش های قدیمی تشخیصی هزینه ی بسیار کمتری دارد و در زمان کوتاهتری قابل انجام است.و اگر بصورت دوره ای و سالیانه انجام شود به تشخیص زود هنگام این بیماری کمک بسیار زیادی میکند.این روش در تشخیص برخی بیماری های دیگر مغزی مانند آلزایمر و مولتیپل اسکلروزیس کاربرد دارد.
برای دسترسی به متن کامل خبر به لینک زیر مراجعه نمایید
https://www.sciencedaily.com/releases/2020/11/201123085334.htm