روش جدید تشخیص بیماری پارکینسون بر اساس پاسخ‌های عاطفی مغز

به گزارش مجله خبری نگار، یک تیم تحقیقاتی مشترک از دانشگاه کانبرا و کالج علوم و فناوری کویت، تنها با تجزیه و تحلیل پاسخ‌های مغز به موقعیت‌های عاطفی مانند تماشای کلیپ‌های ویدیویی یا تصاویر، به تشخیص پیشگامانه بیماری پارکینسون با دقت تقریباً کامل دست یافته‌اند.

این یافته‌ها، به جای تکیه بر تجربه بالینی و گزارش خود بیمار، روشی عینی برای تشخیص این اختلال حرکتی ناتوان‌کننده ارائه می‌دهند و به طور بالقوه گزینه‌های درمانی و رفاه کلی افراد مبتلا به پارکینسون را بهبود می‌بخشند. این مطالعه در مجله محاسبات هوشمند منتشر شده است.

تحلیل آنها از مغز عاطفی بر تفاوت در پاسخ‌های عاطفی ضمنی بین بیماران مبتلا به پارکینسون، که عموماً تصور می‌شود از نقص در تشخیص احساسات رنج می‌برند، و افراد سالم تمرکز دارد. این تیم نشان داد که می‌توانند بیماران و افراد سالم را با نمره F۱، ۰.۹۷ یا بالاتر صرفاً بر اساس اسکن‌های مغزی از پاسخ‌های عاطفی شناسایی کنند. این عملکرد تشخیصی تنها بر اساس داده‌های امواج مغزی، بسیار نزدیک به ۱۰۰ ٪ دقت است.

نتایج نشان می‌دهد که بیماران مبتلا به پارکینسون الگو‌های متمایزی از ادراک عاطفی را نشان می‌دهند، و در درک برانگیختگی عاطفی بهتر از ظرفیت عاطفی هستند، به این معنی که آنها بیشتر با شدت احساسات هماهنگ هستند تا خوشایندی یا ناخوشایندی آن احساسات. همچنین مشخص شد که بیماران بیشترین مشکل را در تشخیص ترس، انزجار و تعجب دارند، یا احساسات با ظرفیت متضاد را با هم اشتباه می‌گیرند، مانند اشتباه گرفتن غم با شادی.

محققان داده‌های الکتروانسفالوگرافی یا EEG را ثبت کردند و فعالیت الکتریکی مغز را در ۲۰ بیمار مبتلا به پارکینسون و ۲۰ فرد سالم اندازه‌گیری کردند. شرکت‌کنندگان کلیپ‌های ویدیویی و تصاویری را که برای ایجاد پاسخ‌های عاطفی طراحی شده بودند، تماشا کردند. پس از ثبت داده‌های EEG، چندین توصیفگر EEG برای استخراج ویژگی‌های کلیدی پردازش شدند که سپس به نمایش‌های بصری تبدیل شدند و سپس با استفاده از چارچوب‌های یادگیری ماشینی مانند شبکه‌های عصبی کانولوشن تجزیه و تحلیل شدند تا به طور خودکار الگو‌های مختلف در نحوه پردازش احساسات بیماران در مقایسه با یک گروه سالم را تشخیص دهند. این پردازش امکان تمایز بسیار دقیقی بین بیماران و افراد سالم را فراهم کرد.

توصیف‌گر‌های کلیدی EEG مورد استفاده شامل بردار‌های توان طیفی و الگو‌های فضایی مشترک هستند. بردار‌های توان طیفی، توزیع توان را در باند‌های فرکانسی مختلف که با حالات عاطفی مرتبط هستند، ثبت می‌کنند. الگو‌های فضایی مشترک با به حداکثر رساندن واریانس برای یک کلاس و به حداقل رساندن آن برای کلاس دیگر، تمایز بین کلاس‌ها را بهبود می‌بخشند و امکان طبقه‌بندی بهتر سیگنال‌های EEG را فراهم می‌کنند.

همچنان که محققان به اصلاح روش‌های مبتنی بر EEG ادامه می‌دهند، پایش عاطفی مغز این پتانسیل را دارد که به ابزاری بالینی پرکاربرد برای تشخیص بیماری پارکینسون تبدیل شود. این مطالعه نویدبخش ترکیب فناوری عصبی، هوش مصنوعی و محاسبات عاطفی برای ارائه ارزیابی‌های عینی از سلامت عصبی است.