“ام.آر.آی” ، “الکتروانسفالوگرافی (EEG)” و مگنتوآنسفالوگرافی مدت‌هاست که به‌عنوان ابزاری برای مطالعه فعالیت مغز عمل می‌کنند، اما تحقیقات جدید دانشگاه کارنگی ملون، یک فناوری جدید تصویربرداری دینامیک مغز مبتنی بر هوش مصنوعی را معرفی می‌کند که می‌تواند فعالیت الکتریکی در حال تغییر سریع در مغز را با سرعت بالا و هزینه کم ترسیم کند. این پیشرفت در پی بیش از سی سال تحقیقی است که “بین هی”با تمرکز بر راه هایی برای بهبود فناوری تصویربرداری پویا مغز غیرتهاجمی انجام داده است .
فعالیت الکتریکی مغز در مسیرهای سه بعدی مغز توزیع می شود و در طول زمان به سرعت تغییر می کند. تلاش های زیادی برای تصویربرداری از عملکرد و اختلال عملکرد مغز انجام شده است و هر روشی مزایا و معایبی دارد. به عنوان مثال، MRI معمولاً برای مطالعه فعالیت مغز استفاده می شود، اما به اندازه کافی سریع نیست تا پویایی مغز را ثبت کند. EEG جایگزین مناسبی برای فناوری MRI است، با این حال، وضوح فضایی کمتر از بهینه آن مانع بزرگی در کاربرد گسترده آن برای تصویربرداری بوده است.
“بین هی ” و گروهش اولین روش تصویربرداری دینامیک مغز مبتنی بر هوش مصنوعی را در نوع خود معرفی کردند که پتانسیل تصویربرداری دینامیک مدارهای عصبی با دقت و سرعت را دارد.
او گفت :””به عنوان بخشی از یک تلاش چندین دهه برای توسعه راه حل های تصویربرداری عصبی عملکردی ابتکاری و غیر تهاجمی، من روی یک فناوری تصویربرداری مغز پویا کار کرده ام که می تواند دقت، موثر و آسان برای استفاده را برای ارائه خدمات بهتر به پزشکان و محققان ارائه دهد.”
او ادامه می‌دهد: «گروه ما اولین گروهی است که با معرفی هوش مصنوعی و مدل‌های چند مقیاسی مغز به هدف می‌رسد. با استفاده از شبکه های عصبی الهام گرفته شده از بیوفیزیک، ما در حال ابداع این رویکرد یادگیری عمیق برای آموزش شبکه عصبی هستیم که می تواند سیگنال های EEG پوست سر را بدون دخالت انسان به طور دقیق به فعالیت مدار عصبی در مغز بازگرداند.
در مطالعه او، که اخیراً در مجموعه مقالات آکادمی ملی علوم (PNAS) منتشر شد، عملکرد این رویکرد جدید با تصویربرداری از پاسخ‌های حسی و شناختی مغز در ۲۰ فرد سالم مورد ارزیابی قرار گرفت. همچنین با مقایسه نتایج تصویربرداری غیرتهاجمی مبتنی بر هوش مصنوعی با اندازه‌گیری‌های تهاجمی و نتایج رزکسیون جراحی، در شناسایی بافت صرعی در گروهی متشکل از ۲۰ بیمار مبتلا به صرع مقاوم به دارو به شدت تأیید شد.
از نظر نتایج، وقتی دقت و کارایی محاسباتی در نظر گرفته می‌شود، رویکرد جدید هوش مصنوعی بهتر از روش‌های تصویربرداری منبع مرسوم بود.
به عنوان گام بعدی، این گروه قصد دارد آزمایش‌های بالینی بزرگ‌تری را در تلاش برای نزدیک‌تر کردن تحقیقات به اجرای بالینی انجام دهد.
