تصویری به سبک یکپارچهسازی با سیستمعامل از یک سر ناقص گیج. | اعتبار عکس: FR86
پژوهشگران مؤسسه علوم هند (IISc) در حال حاضر پروژه‌ای را انجام می‌دهند که هدف آن جمع‌آوری داده‌ها برای اختلالات عصبی-دژنراتیو رایج مشاهده شده و توسعه مدل‌هایی برای تشخیص با استفاده از روش‌های پیشرفته یادگیری ماشین است.
آزمایشگاه یادگیری و استخراج الگوهای آکوستیک (LEAP) در دپارتمان مهندسی برق این پروژه را همراه با بیمارستان‌های Aster CMI برای جمع‌آوری داده‌ها برای بیماری‌های تخریب‌کننده عصبی آغاز کرده‌اند. این برنامه استفاده گسترده از فناوری های تلفن های هوشمند را در میان مردم به عنوان بخشی از پروژه در نظر می گیرد.
بار بالای بیماری های غیر واگیر
بار اختلالات عصبی غیرواگیر در 30 سال گذشته در هند بیش از دو برابر شده است که عمدتاً به دلیل پیری جمعیت است. در حال حاضر این سهم 10 درصدی در کل مرگ و میرها در کشور دارد. علاوه بر این، شواهد پزشکی حاکی از افزایش قابل توجه این رقم به دلیل انتقال سریع جمعیت‌شناختی و اپیدمیولوژیک است.» هندو.
به گفته آقای سریرام، بیماران مبتلا به بیماری های تخریب کننده عصبی مانند پارکینسون، زوال عقل و اسکلروز جانبی آمیوتروفیک (ALS)، به ویژه بیمارانی که از جوامع روستایی هستند، تنها حدود 18 ماه پس از شروع همه این بیماری ها برای تجزیه و تحلیل یا اسکن مراجعه می کنند.
یکی از عوامل کلیدی که می تواند تاثیر را کاهش دهد، تشخیص زودهنگام اختلالات عصبی است.
در جهت تشخیص، اولین گام عمده، آنالیز بالینی است که ممکن است شامل اسکن MRI برای شناسایی وضعیت عصبی سوژه نیز باشد. دو نگرانی عمده در مورد کنوانسیون فعلی وجود دارد. اولی هزینه و دومی عدم دسترسی گسترده به تخصص بالینی و همچنین دستگاه های اسکن MRI است. این معایب باعث ممانعت در آزمایش می شود که منجر به تشخیص تاخیری می شود.
او گفت که اختلالات نورودژنراتیو مانند بیماری پارکینسون در حالت های مختلف مانند حالات چهره، تولید گفتار، الگوهای راه رفتن و حرکات انگشت کاملا مشهود است که به راحتی با گوشی های هوشمند قابل اندازه گیری هستند.
لایه غربالگری
هدف ما این است که با بهره‌برداری از گسترش گسترده فناوری‌های گوشی‌های هوشمند در میان مردم، لایه‌ای از غربالگری را قبل از کنوانسیون فعلی تشخیص بیاوریم. تلفن های هوشمند فعلی مجهز به میکروفون ها و دستگاه های دوربین با کیفیت خوب هستند که امکان سنجش ارزان و از راه دور داده های بیمار را فراهم می کند. هدف نهایی ارائه این ابزار در یک پلت فرم بسیار مقرون به صرفه، آسان برای استفاده و محاسبات لبه‌ای برای استقرار گسترده در تلفن‌های همراه است.»
IISc با تخصص پزشکی توسط تیمی به رهبری دکتر B. Lokesh، متخصص مغز و اعصاب مشاور ارشد، Aster CMI ارائه شده است. آنها تاکنون از حدود 200 نفر برای بیماری پارکینسون نمونه برداری کرده اند و در حال تجزیه و تحلیل داده ها هستند. این داده ها در درجه اول از بیماران در شهر بنگالورو و اطراف آن جمع آوری شده است.
اهداف کلیدی پروژه
نکات برجسته
-
ایجاد یک مخزن داده از داده‌های صوتی و تصویری غنی مربوط به بیماری‌های تخریب‌کننده عصبی خاص مانند بیماری پارکینسون.
-
برای طراحی مدل‌های یادگیری ماشینی با داده‌های چندوجهی که می‌تواند غربالگری بیماری را با استفاده از داده‌های ثبت‌شده از طریق گوشی‌های هوشمند امکان‌پذیر کند.
-
ابزارهای توصیه و نظارت را برای بیماران و پزشکان برای آزمایش‌ها و تشخیص‌های بعدی فراهم کنید.