Healthstories.gr – υγεία, διατροφή, ομορφιά, φυσική κατάσταση, κορονοϊός, ειδήσεις, αρθραγραφία, συμβουλές, νέα,

Διάγνωση της νόσου Αλτσχάιμερ με μια μόνο μαγνητική και με τη βοήθεια της τεχνητής νοημοσύνης

Διάγνωση της νόσου Αλτσχάιμερ με μια μόνο μαγνητική και με τη βοήθεια της τεχνητής νοημοσύνης

Η διάγνωση της νόσου Αλτσχάιμερ είναι δυνατή με μια μόνο μαγνητική εξέταση εγκεφάλου και με τη βοήθεια της τεχνητής νοημοσύνης.

Αυτό υποστηρίζει μια νέα βρετανική επιστημονική έρευνα, η οποία χρησιμοποιεί τεχνητή νοημοσύνη (τεχνολογία μηχανικής μάθησης) για να ανιχνεύσει ακόμη και αδιόρατες αλλά χαρακτηριστικές δομικές αλλαγές στον εγκέφαλο που παραπέμπουν στη νευροεκφυλιστική πάθηση.

Το πλεονέκτημα της νέας τεχνικής, σύμφωνα με το ΑΠΕ-ΜΠΕ, είναι η απλότητα της και το γεγονός ότι μπορεί να διαγνώσει τη νόσο σε αρχικό ακόμη στάδιο, όταν συνήθως η διάγνωση θεωρείται μέχρι σήμερα πολύ δύσκολη λόγω της ανυπαρξίας αισθητών συμπτωμάτων. Μολονότι η νόσος είναι ανίατη μέχρι στιγμής, η έγκαιρη διάγνωση βοηθά τους ασθενείς να βρουν τη δέουσα υποστήριξη, να διαχειριστούν καλύτερα τα συμπτώματα τους και να σχεδιάσουν το μέλλον.

Η νόσος Αλτσχάιμερ είναι η συχνότερη μορφή άνοιας και στους περισσότερους ασθενείς εμφανίζεται μετά την ηλικία των 65 ετών, όμως και νεότεροι άνθρωποι μπορεί να την εκδηλώσουν. Τα συχνότερα συμπτώματα είναι η απώλεια μνήμης και οι δυσκολίες στην σκέψη, στην επίλυση προβλημάτων και στη γλώσσα.

Η διάγνωση της νόσου Αλτσχάιμερ

Η διάγνωση της νόσου Αλτσχάιμερ γίνεται συνήθως με διάφορα τεστ μνήμης και γνωστικά, καθώς επίσης με εξετάσεις που αποκαλύπτουν τη συσσώρευση τοξικών πρωτεϊνών στον εγκέφαλο και τη συρρίκνωση του ιπποκάμπου, της εγκεφαλικής περιοχής που σχετίζεται με τη μνήμη. Όλα αυτά τα τεστ όμως μπορεί να πάρουν εβδομάδες για να ολοκληρωθούν.

Οι ερευνητές του Κολλεγίου Imperial του Λονδίνου, με επικεφαλής τον καθηγητή Έρικ Αμπογκάγιε του Τμήματος Χειρουργικής, οι οποίοι έκαναν τη σχετική δημοσίευση στο ιατρικό περιοδικό “Communications Medicine”, ανέπτυξαν μια νέα προσέγγιση που απαιτεί μόνο ένα τεστ, μια μαγνητική απεικόνιση εγκεφάλου σε σύνηθες μαγνητικό τομογράφο 1,5 Τέσλα, που υπάρχει στα περισσότερα νοσοκομεία.

Οι επιστήμονες προσάρμοσαν για το Αλτσχάιμερ έναν αλγόριθμο τεχνητής νοημοσύνης που αρχικά είχε αναπτυχθεί για την κατηγοριοποίηση των καρκινικών όγκων. Αφού χώρισαν τον εγκέφαλο σε 115 περιοχές και διέκριναν 660 διαφορετικά χαρακτηριστικά για κάθε περιοχή (όπως μέγεθος, σχήμα κ.α.), εκπαίδευσαν τον αλγόριθμο να εντοπίζει τις αλλαγές που σχετίζονται με τη νόσο Αλτσχάιμερ. Είναι σημαντικό, σύμφωνα με τους ερευνητές, ότι το νέο σύστημα “πιάνει” και αλλαγές στον εγκέφαλο που έως τώρα δεν είχαν συσχετιστεί με τη νόσο Αλτσχάιμερ, π.,χ. στην παρεγκεφαλίδα.

Η νέα μέθοδος δοκιμάστηκε σε περισσότερους από 400 ασθενείς με Αλτσχάιμερ αρχικού ή προχωρημένου σταδίου, καθώς επίσης σε δύο ομάδες ελέγχου για λόγους σύγκρισης: σε υγιείς ανθρώπους και σε ασθενείς με άλλες νευρολογικές παθήσεις όπως Πάρκινσον και μετωποκροταφική άνοια.

Διαπιστώθηκε ότι σχεδόν σε όλες τις περιπτώσεις (98%) το “έξυπνο” σύστημα μπορούσε να προβλέψει αν ο ασθενής είχε Αλτσχάιμερ ή όχι. Ήταν επίσης σε θέση να διακρίνει με ικανοποιητική ακρίβεια (στο 79% των ασθενών) αν επρόκειτο για αρχόμενη νόσο Αλτσχάιμερ ή προχωρημένη.

Ο δρ Αμπογκάγιε δήλωσε ότι “αυτή τη στιγμή καμία άλλη απλή και ευρέως διαδεδομένη μέθοδος δεν μπορεί να προβλέψει τη νόσο Αλτσχάιμερ με αυτό το επίπεδο ακρίβειας, συνεπώς η έρευνα μας συνιστά ένα σημαντικό βήμα προόδου”. Πρόσθεσε ότι “η αναμονή για διάγνωση μπορεί να είναι μια τρομερή εμπειρία για τους ασθενείς και τις οικογένειες τους. Αν μπορούσαμε να περικόψουμε τον χρόνο που πρέπει να περιμένουν, θα κάναμε τη διάγνωση μια απλούστερη διαδικασία και θα μειώναμε εν μέρει την αβεβαιότητα τους, πράγμα που θα αποτελούσε μεγάλη βοήθεια”.

Διαβάστε επίσης

Δέρμα με ακμή; Το ιδανικό αντιηλιακό προσώπου που προστατεύει το μικροβίωμα του δέρματος

Αυτή η 33χρονη μαμά έχει 12 παιδιά – Είναι έγκυος εδώ και σχεδόν 17 χρόνια

Αρκετές πυρκαγιές, πράγματι, ξεκινάνε από πουλιά που παθαίνουν ηλεκτροπληξία, σύμφωνα με την πιο ολοκληρωμένη μελέτη

Exit mobile version