پژوهشگران چینی موفق شدهاند با ترکیب آزمایش بزاق دهان و الگوریتمهای هوش مصنوعی، روشی نوین و غیرتهاجمی برای پیشبینی زوال شناختی در سالمندان ارائه دهند؛ روشی که دقت آن در آزمایشها به حدود ۹۴ درصد رسیده و میتواند مسیر تشخیص زودهنگام بیماریهایی مانند آلزایمر را متحول کند.
زوال عقل و بیماریهای تحلیلبرنده عصبی از مهمترین چالشهای سلامت در جوامع سالمند هستند. این اختلالات اغلب با نشانههای خفیف و مبهم روانی مانند افسردگی، اضطراب یا کاهش انگیزه آغاز میشوند و به همین دلیل، شناسایی آنها در مراحل اولیه دشوار است. تاکنون نیز ابزار دقیقی که هم کمهزینه باشد و هم برای غربالگری گسترده قابل استفاده، در دسترس نبوده است.
در این مطالعه که توسط محققان دانشگاه پزشکی چونگکینگ انجام شده، وضعیت ۳۳۸ فرد سالمند بررسی شده است. پژوهشگران با تحلیل ترکیب بزاق دهان و بررسی باکتریهای دهانی، دادههایی زیستی استخراج کردند و سپس با استفاده از مدلهای یادگیری ماشین، الگوهای مرتبط با خطر زوال شناختی را شناسایی کردند.
برای ارزیابی دقت این روش، دادهها به دو بخش آموزشی و آزمایشی تقسیم شد و چند الگوریتم مختلف مورد بررسی قرار گرفت. در نهایت، یکی از مدلهای پیشرفته یادگیری ماشین عملکردی چشمگیر از خود نشان داد و توانست با دقتی نزدیک به ۹۴ درصد، احتمال بروز علائم عصبیروانشناختی را پیشبینی کند. پژوهشگران همچنین ابزاری ساده و قابلاستفاده برای محیطهای درمانی طراحی کردند تا این روش بهراحتی در کلینیکها قابل اجرا باشد.
نتایج این تحقیق دو عامل زیستی مهم را بهعنوان نشانگرهای کلیدی معرفی میکند: هورمون کورتیزول که با استرس مرتبط است و تعاملات میکروبی دهان که نقش قابلتوجهی در مسیرهای متابولیک بدن دارند. این یافتهها علاوه بر کاربرد تشخیصی، به درک بهتر سازوکارهای زیستی زمینهساز زوال عقل نیز کمک میکنند.
به گفته پژوهشگران، این فناوری میتواند امکان غربالگری گسترده، کمهزینه و زودهنگام سالمندان را فراهم کرده و فرصت آغاز مداخلات درمانی و تغییر سبک زندگی را بسیار زودتر از گذشته ایجاد کند. این مطالعه که در نشریه معتبر Translational Psychiatry منتشر شده، گامی مهم در مسیر استفاده عملی از هوش مصنوعی در پیشگیری از بیماریهای عصبی به شمار میرود.
کد خبر ۲۰۱۰۴۱۱۱۸.۳۲۷
منبع: مدیکال اکسپرس
