هوش مصنوعی با تحلیل نقاشی می‌تواند پارکینسون را با دقت ۹۹ درصد تشخیص دهد

محققان سیستم مبتنی بر هوش مصنوعی توسعه داده‌اند که می‌تواند بیماری پارکینسون را از طریق نحوه ترسیم یک نقاشی ساده با دقتی تا ۹۹ درصد شناسایی کند. در این چارچوب آزمایشی نوین، دست‌خط و نحوه ترسیم خطوط به عنوان یک ابزار غربالگری غیرتهاجمی و امیدبخش به کار گرفته می‌شود تا علائم اولیه این اختلال پیش‌رونده عصبی با تکیه بر الگوریتم‌های یادگیری عمیق آشکار شود.

پیش‌ازاین، دانشمندان نشانه‌های بروز پارکینسون را در مو، خون، جرم گوش، شیوه گفتار و حتی وضعیت سلامت روان افراد ردیابی کرده بودند؛ بااین‌حال، این بیماری که به‌عنوان سریع‌ترین اختلال عصبی درحال رشد در جهان از نظر ایجاد ناتوانی و مرگ‌ومیر شناخته می‌شود، همچنان برای تشخیص قطعی به ارزیابی‌های بالینی وابسته است و کمبود نشانگرهای زیستی فرایند شناسایی زودهنگام آن را دشوار کرده است.

در این آزمایش که به سرپرستی محقق و دانشمند علوم کامپیوتر، «ایشان آیوس» از دانشگاه SOA هندوستان انجام شده، داده‌های مربوط به مطالعه پیشین پارکینسون در برزیل شامل ۶۶ شرکت‌کننده (متشکل از ۳۱ فرد مبتلا و ۳۵ فرد سالم) مورد ارزیابی قرار گرفت. شرکت‌کنندگان با استفاده از یک قلم هوشمند بیومتریک که هم‌زمان با ذخیره تصویر، سیگنال‌های حرکتی دست را نیز ثبت می‌کرد، به ترسیم الگوها پرداختند.

تحلیل حرکات قلم و الگوهای ترسیمی برای تشخیص بیماری پارکینسون

در این آزمون‌ها، شرکت‌کنندگان دو نوع طرح شامل الگوهای مارپیچی و خطوط پرپیچ‌وخم متشکل از خطوط پیوسته زاویه‌دار را رسم کردند. آیوس و تیم همراهش سپس تصاویر و داده‌های حسگر قلم هوشمند را به مجموعه‌ای از سیستم‌های یادگیری عمیق وارد کردند تا علاوه‌بر تحلیل بی‌نظمی‌های فضایی در رسم اشکال، تفاوت‌های ظریف در کنترل حرکتی و هماهنگی دست نیز اندازه گرفته شود.

داده‌های جمع‌آوری‌شده در مرحله بعد از طریق الگوریتمی به نام SNAKE پردازش شدند. این الگوریتم با وزن‌دهی و تجمیع نتایج مدل‌های مختلف هوش مصنوعی مشخص کرد که هر اثر متعلق به یک فرد مبتلا است یا فرد سالم. طبق گزارش پژوهشگران که در ژورنال Discover Computing منتشر شده، این روش چندوجهی موفق شد الگوهای خطوط پرپیچ‌وخم را با دقت ۹۸.۹۵ درصد و الگوهای مارپیچ را با دقت ۹۷.۷۴ درصد شناسایی کند که بالاتر از سایر سیستم‌های پیشین ارزیابی دست‌خط است.

داده‌های قلم هوشمند شامل نحوه گرفتن با انگشت، فشار، شیب و شتاب دست در افراد سالم (چپ) و مبتلایان به پارکینسون (راست)

تیم پژوهشی این دقت بالا را نتیجه توانایی‌های الگوریتم SNAKE در ایجاد توازن میان پیش‌بینی‌های مدل‌ها و همچنین اندازه‌گیری دوگانه قلم‌های هوشمند می‌داند. آنها گفته‌اند:

«تصاویر دست‌نویس ویژگی‌های فضایی مانند بی‌نظمی خطوط، اعوجاج ناشی از لرزش و انحرافات شکلی را نشان می‌دهند، درحالی‌که سیگنال‌های حسگر قلم رفتارهای حرکتی زمانی از جمله نوسانات سرعت، تغییرات فشار و اختلال در هماهنگی را ثبت می‌کنند.»

با وجود اینکه محدودبودن‌ جامعه آماری به ۶۶ نفر تمام تنوع بالینی بیماری را منعکس نمی‌کند، اما این روش چارچوبی نویدبخش را تعریف کرده است که پس از اعتبارسنجی در کارآزمایی‌های بزرگ‌تر می‌تواند به غربالگری غیرتهاجمی، کم‌هزینه و از راه دور بیماری پارکینسون کمک کند.

منبع: دیجیاتو