قیمت طلا امروز




 مغناطیسی

 خبرگزاری ایسنا / ۱۴۰۵/۰۸/۱۷

پیش‌بینی اثربخشی درمان افسردگی با کمک هوش مصنوعی

پیش‌بینی پاسخ بیماران مبتلا به افسردگی به درمان، یکی از چالش‌های پزشکی است. در همین راستا، پژوهشگران دانشگاه تهران با همکاری محققان دانشگاه تگزاس شمالی، امکان استفاده از هوش مصنوعی و تحلیل امواج مغزی برای شناسایی بیمارانی را بررسی کردند که به درمان تحریک مغناطیسی مغز پاسخ می‌دهند. نتایج این پژوهش نشان می‌دهد این فناوری هنوز تا تبدیل شدن به ابزاری قابل اتکا برای پیش‌بینی پاسخ بیماران فاصله دارد.
 پیش‌بینی اثربخشی درمان افسردگی با کمک هوش مصنوعی
این بخش به‌صورت خودکار گردآوری شده است. برای مطالعه کامل خبر، به منبع اصلی مراجعه کنید.
به گزارش ایسنا، چرا برخی بیماران مبتلا به افسردگی به درمان‌های رایج پاسخ نمی‌دهند و چرا یک روش درمانی برای بعضی افراد مؤثر است، اما برای برخی دیگر نتیجه‌ای ندارد؟ پیش‌بینی پاسخ بیماران به درمان یکی از چالش‌های مهم روان‌پزشکی است؛ چالشی که شاید هوش مصنوعی و تحلیل امواج مغزی بتوانند به حل آن کمک کنند.

یکی از روش‌های درمان افسردگی در بیمارانی که به داروهای رایج پاسخ نمی‌دهند، تحریک مغناطیسی مکرر مغز (rTMS) است. این روش غیرتهاجمی با ارسال پالس‌های مغناطیسی به بخش‌هایی از مغز، فعالیت نواحی مرتبط با تنظیم خلق‌وخو را تحت تأثیر قرار می‌دهد. با این حال، همه بیماران به این درمان پاسخ یکسانی نمی‌دهند.

در همین راستا، دو نفر از اعضای هیئت‌علمی دانشگاه تهران با همکاری پژوهشگران دانشگاه تگزاس شمالی، امکان پیش‌بینی پاسخ بیماران به این درمان را با استفاده از هوش مصنوعی و تحلیل امواج مغزی بررسی کردند.

دقت ۹۹ درصدی هوش مصنوعی که با آزمون دقیق‌تر فرو ریخت

پژوهشگران اطلاعات نوار مغزی دو گروه از بیماران شامل ۱۵ و ۴۶ نفر را بررسی کردند. همه این افراد یک دوره ۲۰ جلسه‌ای درمان با تحریک مغناطیسی مغز را پشت سر گذاشته بودند.

در مرحله نخست، پژوهشگران سیگنال‌های نوار مغزی را به قطعات ۲۰ ثانیه‌ای تقسیم کردند و در اختیار مدل هوش مصنوعی قرار دادند. نتیجه اولیه چشمگیر بود؛ دقت پیش‌بینی مدل در گروه نخست به ۹۹.۹ درصد و در گروه دوم به ۹۱.۹ درصد رسید.

اما یک مشکل وجود داشت: قطعات مختلف نوار مغزی یک بیمار می‌توانستند هم در مرحله آموزش و هم در مرحله ارزیابی مدل استفاده شوند. به این ترتیب، هوش مصنوعی هنگام آزمون با اطلاعاتی روبه‌رو می‌شد که نمونه‌هایی از آن را پیش‌تر دیده بود.

پژوهشگران برای ارزیابی دقیق‌تر، داده‌های هر بیمار را فقط در یکی از دو مرحله آموزش یا آزمون قرار دادند تا مدل ناچار باشد پاسخ افرادی را پیش‌بینی کند که قبلاً اطلاعات مغزی آن‌ها را ندیده است. با این تغییر، عملکرد مدل به‌شدت افت کرد؛ به‌طوری‌که توانایی آن در تشخیص بیمارانی که به درمان پاسخ می‌دادند، از افرادی که پاسخ نمی‌دادند، تقریباً به سطح پیش‌بینی تصادفی رسید. این یافته نشان داد که دقت بالای اولیه احتمالاً … …



 کانال تلگرام ویستا  دانلود از کافه بازار





چهارشنبه ۲۷ آبان ۱۴۰۵ - 18 November 2026