طوّر باحثون في جامعة بوسطن الأميركية أداة جديدة للذكاء الاصطناعي، لتصبح قادرة على تشخيص 10 أنواع مختلفة من الخرف، بما في ذلك الخرف الوعائي، وخرف أجسام ليوي، والخرف الجبهي الصدغي.
وأوضح الباحثون، خلال النتائج المنشورة، الاثنين، في دورية «نيتشر ميديسن»، أن الأداة يمكنها تشخيص الخرف بأنواعه، حتى إن كانت هذه الأنواع متزامنة.
والخرف مصطلح عام يشير إلى انخفاض شديد في القدرة العقلية، ما يؤثر على الحياة اليومية، ويؤدي لمجموعة من الأعراض، أبرزها تدهور الذاكرة والتفكير.
وكل عام يتم تشخيص 10 ملايين حالة جديدة من الخرف حول العالم، لكن تنوّع أنواع الخرف وتداخُل الأعراض يعقّد عملية التشخيص والعلاج الفعّال. ويُعد داء ألزهايمر السبب الأكثر شيوعاً للإصابة بالخرف لدى كبار السن.
ويواجه الأطباء تحديات كبيرة في تشخيص الخرف، بسبب أنواعه المختلفة، وتشابُه الأعراض بين هذه الأنواع.
واستخدم الباحثون نظاماً يعتمد على التعلم الآلي متعدّد الوسائط، لتحديد الأمراض المسبّبة للخرف بدقة، في استخدام بيانات سريرية شائعة، مثل المعلومات الديموغرافية، والتاريخ الطبي للمريض وأسرته، واستخدام الأدوية، ونتائج الفحوصات العصبية والنفسية العصبية، وبيانات التصوير العصبي، مثل صور الرنين المغناطيسي.
وخلال الدراسة، دُرّبت الأداة الجديدة على بيانات أكثر من 50 ألف شخص، من 9 مجموعات بيانات عالمية مختلفة، لتعزيز قدرتها على التمييز بين أنواع الخرف المختلفة.
وتتراوح درجات دقة التمييز بين أنوع الخرف من 0 إلى 1، حيث تشير درجة 0.5 إلى التخمين العشوائي، وتشير درجة 1 إلى الأداء المثالي.
وحقّق نموذج التعلم الآلي الجديد درجة 0.96 في التمييز بين أنواع الخرف المختلفة، وهو أداء يقارب المثالية.
وقارن الفريق أداء أطباء الأعصاب ومختصّي الأشعة العصبية بمفردهم، ومع أداة الذكاء الاصطناعي، ووجدوا أن الذكاء الاصطناعي يمكن أن يعزّز دقة الأطباء في تشخيص الخرف، بأكثر من 26 في المائة عبر جميع أنواع الخرف العشرة.
وفي تجربة شملت 100 حالة، طُلب من 12 طبيباً متخصصاً في الأمراض العصبية، تشخيص وتقييم درجة الثقة بين 0 و100، ثم تم حساب متوسط هذه الدرجة مع درجة الاحتمالية، التي حُصل عليها بواسطة أداة الذكاء الاصطناعي؛ للحصول على الدرجة المعزّزة بالذكاء الاصطناعي.
وقال الباحث الرئيسي للدراسة في جامعة بوسطن، الدكتور فيجايا كولاشالاما: «تتيح أداة الذكاء الاصطناعي تشخيص الخرف باستخدام البيانات السريرية، التي تُجمَع بشكل روتيني، ما يُظهر إمكاناتها كأداة تشخيصية قابلة للتوسع لمرض ألزهايمر والخرف المرتبط به».
وأضاف عبر موقع الجامعة: «أصبح من المهم بشكل متزايد تطوير أداة تشخيص باستخدام البيانات السريرية الروتينية، نظراً للتحديات الكبيرة في الوصول إلى الاختبارات التشخيصية الدقيقة، ليس فقط في المناطق النائية والنامية اقتصادياً، ولكن أيضاً في مراكز الرعاية الصحية الحضرية».
