محققان دانشگاه هلسینکی یک نرمافزار هوش مصنوعی توسعه دادهاند که میتواند بلوغ مغز نوزادان زودرس را به طور مستقیم از روی الکتروانسفالوگرام (EEG) ارزیابی کند.
محققان دانشگاه و بیمارستان هلسینکی (HVH) نرمافزاری مبتنی بر یادگیری ماشینی توسعه دادهاند که میتواند به طور مستقل سیگنالهای EEG مغز نوزاد زودرس را تفسیر کرده و برآوردی از بلوغ عملکردی مغزی ارائه دهد.
بر اساس مقالۀ منتشر شده در ژورنال Scientific Reports، این روش اولین سیستم ارزیابی بلوغ مغزی مبتنی بر EEG در جهان است، از دیگر روشهای شناخته شدۀ رایج ارزیابی بلوغ مغز نوزاد بسیار دقیقتر عمل کرده و امکان نظارت اتوماتیک و عینی بر رشد مغز نوزادان زودرس را فراهم ساخته است.
پروفسور Sampsa Vanhatlo از دانشگاه هلسینکی، میگوید:
ما در حال حاضر رشد وزن، قد و دور سر نوزادان را با نمودار رشد دنبال میکنیم. تفسیر EEG همراه با تجزیه و تحلیل اتوماتیک، ابزاری کاربردی برای نظارت بر تکوین عصبی نوزادان زودرس فراهم میکند و همچنین موجب ایجاد جمعآوری اطلاعاتی میشود که به برنامهریزی جهت به عمل آوردن بهترین مراقبت ممکنِ از هر کودک،کمک میکند. این روش برای اولین بار فرصتی را برای ما ایجاد میکند تا مهمترین رشد نوزاد زودرس و بلوغ عملکردی مغز را در حین و بعد از مراقبتهای ویژه دنبال کنیم.
اواخر دوران بارداری برای رشد مغز جنین حیاتی است
یکی از هر ۱۰ نوزاد متولد شده، نوزاد زودرس است و تقریباً نیمی از همۀ بیماران در مراقبتهای ویژه، نوزادان زودرساند. اواخر دوران بارداری زمان رشد خیلی سریع مغز جنین است. فعالیتهای الکتریکی مغز تقریبا هر هفته تغییر میکند. مغز باید برای رشد به طور صحیح کار کند.
بسیاری از موانع سلامتی که با زایمان زودرس همراهاند، میتوانند مانع از رشد مغز شوند. محققان در قرن ۱۹۹۰ دریافتند که اولین مشکلات سلامتی در نوزادان زودرس، رشد آهستهتر مغز در طول ماه های اول است. برای فراهم کردن بهترین مراقبتهای ممکن و توسعۀ روشهای جدید درمان، نخست باید بدانیم که عملکرد مغز نوزادان چگونه رشد میکند. اما هیچ روش هدفمند و دقیقی برای ارزیابی بلوغ مغزی در دسترس نیست.
وسوسهانگیزترین انتخاب برای ارزیابی بلوغ مغزی، استفاده از حسگرهای EEG روی پوست سر است. این یک روش کاملا غیرتهاجمی با قیمت کم و بیخطر است که در گذشتۀ نزدیک در نظارت بر فعالیت مغزی در بخش مراقبتهای ویژۀ نوزادی بسیار محبوب بوده است.
محققان توضیح میدهند:
مشکل کاربردی نظارت EEG این است که تجزیه و تحلیل داده ی EEG بسیار آهسته است و نیازمند تخصص ویژۀ پزشک معالج است. این مشکل ممکن است به طور مطمئن و کلی از طریق استفاده از تجزیه و تحلیل اتوماتیک به عنوان بخشی از دستگاه EEG حل شود.
مقاله مرتبط: یافتههای جدید از شکلگیری شبکههای مغزی
یادگیری ماشینی و هوش مصنوعی برای کمک به نوزادان زودرس
نرم افزار جدید تجزیه و تحلیل EEG در ابتدا توسط Nathan Stevenson توسعه داده شد که یک مهندس استرالیایی بود و در گروه تحقیقاتی Vanhatalo مشغول به کار بود. این گروه از یک مجموعه فوقالعاده گسترده و کنترل شدۀ از دادههای اندازهگیری EEG از نوزادان زودرس استفاده میکردند که توسط گروه تحقیقاتی پروفسور Katrin Klebermass در دانشگاه پزشکی وین جمعآوری شده بود.
نرم افزار تجزیه و تحلیل بر پایۀ یادگیری ماشینی بود و مقدار زیادی از دادههای EEG نوزادان زودرس به کامپیوتر منتقل میشد و این نرم افزار صدها ویژگی محاسباتی هر اندازهگیری را بدون دخالت پزشک انجام میداد. با کمک یک الگوریتم، این ویژگیها برای ارائهی برآوردی قابل اعتماد از دورهی بلوغ EEG نوزاد ترکیب شده بودند.
در پایان تحقیق، نرمافزار با مقایسه تخمین سن بلوغ EEG و سن واقعی بالینی نوزاد، مورد آزمایش قرار گرفت. در بیش از ۸۰ درصد موارد، سن واقعی کودک و برآورد کامپیوتر فقط ۲ هفته از یکدیگر فاصله داشتند. برآورد بلوغ بسیار قابل اعتماد و دقیق بود که در هر ۳۹ نوزاد زودرس مورد مطالعه، رشد عملکردی مغز زمانی که اندازهگیری ها هر چند هفته تکرار میشد، مورد پیگیری قرار میگرفت.