پیش‌بینی اثربخشی درمان افسردگی با کمک هوش مصنوعی

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 … …