آسان شدن پیش‌ بینی روند بهبودی پس از سکته مغزی با استفاده از یادگیری ماشین

سکته مغزی هنگامی که خون رسانی به مغز مختل شود، رخ می‌دهد. گاهی سکته می‌تواند باعث ناتوانی طولانی مدت در افراد شود.

اثر عملیات توانبخشی در سکته مغزی پایین است و خود بیماران نیز گاهی تمایل چندانی به آموزش نشان نمی‎دهند. از آنجا که سکته مغزی بر روی نواحی مختلف مغز تأثیر می‌گذارد، پزشکان شاهد یک ناهمگونی در نتیجه آزمایشات بیمارانی که تحت درمان توانبخشی سکته مغزی قرار گرفته‌اند هستند. "ناهمگونی در نتیجه" یک اصطلاح پزشکی است و به آن معناست که روند درمانی برای بهبودی سکته مغزی می‌تواند بین افراد مبتلا به سکته مغزی بسیار متفاوت باشد.

به همین منظور محققان معتقدند که ابتدا باید توانایی‌های خود برای پیش‌بینی دوره‌های بهبودی در هر فرد را افزایش دهند. در این مطالعه گروهی از محققان دانشگاه اکول پلی‌تکنیک فدرال لوزان سیستمی را توسعه داده‌اند که از ترکیبی از اطلاعات کانکتوم مغز و یادگیری ماشین برای ارزیابی و پیش‌بینی نتیجه و میزان اثر این عملیات توانبخشی استفاده می‌کند.

به یک نقشه جامع از اتصالات نورون در مغز کانکتوم(connectome) می‌گویند که با نام دیاگرام اتصالات نیز شناخته می‌شود. به زبان جامع‌تر یک کانکتوم تمام اتصالات نورونی درون مغز یک موجود زنده را شامل می‌شود.

دانشمندان حوزه علوم مغز و اعصاب بر این باورند که هنگام تفسیر داده‌های ساختاری یا دینامیک مغز و ارتباط آنها با عملکرد، نقص عملکرد یا فرایندهای بهبودی در مغز، "کانکتوم" به عنوان ابزاری ضروری عمل می‌کند.

دراین مطالعه، دانشمندان کانکتوم ۹۲ فرد بیمار را دو هفته پس از سکته مغزی مورد تجزیه و تحلیل قرار دادند. طی این مدت آنها تمامی تغییرات رخ داده در کانکتوم را نیز بررسی کردند.

این امر به آنها امکان داد تا در حین روند بهبودی، تغییرات رخ داده در اتصال مغز افراد بیمار را کنترل کنند. سپس دانشمندان اطلاعات کانکتوم را در یک مدل یادگیری ماشین به نام "ماشین حامل پشتیبان" ( SVM ) وارد کردند. این مدل قادر به مشخص کردن دقیق الگوی شبکه مغز هر بیمار است که این امر به محققان در پیش بینی روند بهبودی بیماران مبتلا به سکته مغزی کمک می‌کند.

منبع: ایسنا

4167