به گزارش اطلاعات آنلاین، محققان از یادگیری ماشینی برای تحلیل ضبطهای EEG از حدود ۷۰۰۰ بزرگسال استفاده کردند و دریافتند که «سن مغز» بالاتر از حد انتظار با خطر بسیار بالاتر زوال عقل مرتبط است.
یک رویکرد جدید یادگیری ماشینی که فعالیت مغز را در طول خواب بررسی میکند، ممکن است به شناسایی افرادی که در معرض خطر بالای ابتلا به زوال عقل هستند، کمک کند. این تحقیق توسط دانشمندان دانشگاه کالیفرنیا، سانفرانسیسکو انجام شده است.
این سیستم با تجزیه و تحلیل سیگنالهای الکتریکی جمعآوریشده از طریق الکتروانسفالوگرافی یا EEG، هنگام خواب، سن مغز فرد را تخمین میزند. محققان دریافتند خطر ابتلا به زوال عقل زمانی افزایش مییابد که مغز پیرتر از سن تقویمی واقعی فرد به نظر برسد.
به ازای هر ۱۰ سال افزایش بین سن تخمینی مغز و سن واقعی، احتمال ابتلا به زوال عقل تقریباً ۴۰ درصد افزایش مییابد. افرادی که سن تخمینی مغز آنها کمتر از سن واقعی آنها بود، خطر کمتری داشتند.
هوش مصنوعی سن مغز را از سیگنالهای خواب تخمین میزند
محققان یک مدل یادگیری ماشینی ایجاد کردند که ۱۳ ویژگی میکروسکوپی موجود در ضبطهای موج مغزی EEG را ترکیب میکند. آنها این مدل را روی اطلاعات تقریباً ۷۰۰۰ نفر که در پنج مطالعه جداگانه شرکت کرده بودند، اعمال کردند.
شرکتکنندگان در محدوده سنی ۴۰ تا ۹۴ سال بودند و هیچکدام در زمان شروع مطالعات مربوطه، زوال عقل نداشتند. محققان آنها را برای دورههایی از ۳.۵ تا ۱۷ سال تحت نظر داشتند. در طول این مدت، حدود ۱۰۰۰ شرکت کننده به زوال عقل مبتلا شدند.
این تحلیل نشان داد که الگوهای کوچک و بسیار دقیق در امواج مغزی در حال خواب ممکن است اطلاعاتی را ارائه دهند که اندازهگیریهای استاندارد خواب قادر به تشخیص آنها نیستند.
تحلیلهای قبلی شامل چندین گروه از شرکت کنندگان، هیچ ارتباط معناداری بین خطر زوال عقل و اندازهگیریهای معمول خواب پیدا نکردند. این معیارهای سنتی شامل مدت زمانی است که فرد در مراحل مختلف خواب میگذراند و این که چقدر در طول شب به طور مؤثر در خواب می ماند.
الگوهای موج مغزی مرتبط با حافظه
چندین الگوی EEG که برای محاسبه سن مغز استفاده میشوند، از قبل به …
