پیش‌بینی امکان ابتلا به آلزایمر با یک مدل ماشینی

 پژوهشگران دانشگاه "ام.آی.تی"، یک مدل یادگیری ماشینی ابداع کرده‌اند که می‌تواند امکان ابتلا به آلزایمر را پیش‌بینی کند.

به گزارش ایسنا و به نقل از ام.آی.تی نیوز،  پژوهشگران، یک مدل یادگیری ماشینی ارائه‌ داده‌اند که می‌تواند پیش‌بینی کند که آیا بیماران مبتلا به بیماری آلزایمر، از نظر بالینی به کاهش قدرت شناختی قابل توجهی دچار می‌شوند یا خیر. این مدل، کار خود را با پیش‌بینی نمرات آزمایش‌های شناختی بیماران تا دو سال آینده انجام می‌دهد.

شاید بتوان از این مدل، برای بهبود روش انتخاب داروها و آزمایش‌های بالینی استفاده کرد که تاکنون موفقیت زیادی نداشته‌اند. این مدل، به بیماران نیز کمک می‌کند تا بدانند که آیا کاهش قدرت شناختی سریعی را در ماه‌ها و سال‌های آینده تجربه می‌کنند یا خیر؛ در نتیجه بیماران و خانواده آنها می‌توانند خود را آماده کنند.

شرکت‌های دارویی از دو دهه پیش تاکنون، صدها میلیارد دلار به پژوهش‌های مربوط به آلزایمر تزریق کرده‌اند اما این حوزه با شکست‌های بسیاری نیز مواجه شده است. گزارشی که در سال 2018 در مورد پژوهش‌ها و زیرساخت‌های دارویی منتشر شد، نشان می‌دهد بین سال‌های 1998 تا 2017، 146 تلاش ناموفق برای ابداع داروهایی صورت گرفت که هدف آنها درمان یا پیشگیری از این بیماری بود. در آن زمان، تنها چهار نوع دارو تایید شدند که تنها از عهده درمان نشانه‌های بیماری برمی‌آمدند. بیش از 90 داروی دیگر نیز در حال حاضر در حال بررسی هستند.

پژوهش‌ها نشان می‌دهند موفقیت‌ در ارائه داروهایی است که می‌توانند افرادی که در مراحل ابتدایی بیماری هستند، پیش از بروز نشانه‌ها درمان کنند زیرا در این صورت، درمان موفقیت‌آمیزتر خواهد بود. پژوهشگران دانشگاه "ام.آی.تی" (MIT)، یک مدل یادگیری ماشینی ارائه داده‌اند که می‌تواند به پزشکان در این زمینه کمک کند.

پژوهشگران، ابتدا مدل خود را با یک مجموعه کامل از داده‌های مربوط به بیماران مبتلا به آلزایمر و افراد سالم آموزش دادند. مدل یادگیری ماشینی با کمک این داده‌ها می‌تواند میزان رتبه بیماران را در آزمایش‌های شناختی پیش‌بینی کند. در دومین مدل، درمان‌های شخصی‌سازی شده‌ای برای هر بیمار ارائه شد که پیش‌بینی‌های خود را بر اساس داده‌های جدید به روزرسانی می‌کرد.

مدل یادگیری ماشینی، در این آزمایش‌ها توانست پیش‌بینی‌های دقیقی را در شش، 12، 18 و 24 ماه آینده ارائه دهد. پژوهشگران امیدوارند که بتوانند از این مدل برای کمک به بیمارانی که در خطر ابتلا به آلزایمر قرار دارند کمک کنند.

"اوگی رودوویک"(Oggi Rudovic)، از پژوهشگران این پروژه گفت: پیش‌بینی دقیق کاهش قدرت شناختی بین شش تا 24 ماه، برای تصمیم‌گیری در مورد درمان مناسب ضروری است. پیش‌بینی دقیق تغییرات شناختی می‌تواند تعداد ملاقات‌های حضوری را با شرکت‌کنندگان کاهش دهد تا آنها وادار به شرکت در جلسات زمان‌بر و پرهزینه نباشند. این روش، هزینه‌ آزمایش‌های بالینی را نیز کاهش می‌دهد و می‌تواند کارایی بهتری داشته باشد و در مقیاس بزرگتر صورت گیرد.