خب رفقا، بیاید یه موضوع خیلی خفن رو با هم بررسی کنیم: اینکه چجوری می‌تونیم با استفاده از هوش مصنوعی و یادگیری عمیق (یعنی AIهایی که میتونن خودشون الگوها و چیزای جدید رو از داده‌ها یاد بگیرن!)، تشنج نوزادها رو فقط چند دقیقه قبل از اینکه اتفاق بیفته، پیش‌بینی کنیم!
تا الان بیشتر کسایی که دنبال پیش‌بینی تشنج نوزادی بودن، تمرکزشون روی پیش‌بینی‌های طولانی مدت بود. یعنی مثلاً برا روزها یا چند ساعت تو دوره حساس بعد از تولد. اما دیگه واقعاً لازمه فقط به پیش‌بینی تو بازه‌های زمانی بزرگ فکر کنیم؟ اگه بتونیم بفهمیم که تشنج داره تو همین چند دقیقه آینده اتفاق می‌افته، فوق‌العاده‌س، نه؟
خب، دقیقا تو همین مقاله، یه تیم خفن از محقق‌ها اومدن و مسئله پیش‌بینی کوتاه مدت تشنج نوزاد رو بررسی کردن! یعنی پیش‌بینی تو بازه زمانی چند دقیقه (مثلاً بین یک تا هفت دقیقه) قبل از تشنج، با استفاده از داده‌های EEG. حالا EEG چیه؟ همون نوار مغزی خودمون که فعالیت الکتریکی مغز رو اندازه می‌گیره. اینجا هم نسخه عددی و کمی‌ش رو بهش می‌گن QEEG (یعنی Quantitative EEG).
این تیم دوتا دیتاست معروف از نوار مغزی نوزادان رو که مربوط به تشنج بوده گرفتن: تو مجموع شامل ۱۳۲ تا نوزاد بودن و جمعاً ۲۸۱ ساعت داده‌ی EEG داشتن! یه عالمه داده، یعنی کلی اطلاعات واسه آموزش مدل‌های هوش مصنوعی.
حالا روششون چی بوده؟ از بهترین مدل‌های یادگیری عمیق مخصوص سری‌های زمانی (یعنی داده‌هایی که به ترتیب زمان ثبت می‌شن) استفاده کردن تا ببینن کدومشون تو تشخیص لحظه‌های حساس قبل از تشنج نوزاد بهتر جواب میده. در نهایت، مدلی به نام ConvLSTM بیشترین موفقیت رو داشت. ConvLSTM یعنی ترکیب شبکه عصبی کانولوشنی (یه جور مدل برای پیدا کردن ویژگی‌ها از تصاویر یا داده‌های سریالی) و LSTM (نوعی حافظه بلندمدت مخصوص یادگیری سری زمانی).
گفتن خب بیاید تست کنیم ببینیم اگه این مدل رو بذاریم تو یه سیستم آلارم (آژیر خطر تشنج!)، عملکردش تو پیش‌بینی تشنج تو بازه‌های زمانی خیلی نزدیک به اتفاق چطوریه؟ مثلاً اگه مدل رو واسه پیش‌بینی ۱ تا ۷ دقیقه قبل از تشنج تنظیم کنیم چی میشه؟
نتیجه این شد: بهترین عملکرد موقعی بود که مدل سه دقیقه قبل از تشنج هشدار بده (SPH=3min یعنی Seizure Prediction Horizon یا همون افق پیش‌بینی تشنج، منظور مثلاً همون چند دقیقه قبل از تشنجه) و تا هفت دقیقه هم احتمال رخ دادن تشنج رو بررسی کنه (SOP=7min یعنی Seizure Occurrence Period، یعنی بازه‌ای که انتظار داریم تشنج توش بیاد).
دقتش هم بدک نیست: امتیاز AUROC یعنی (Area Under Receiver Operating Characteristic Curve، یه معیار معروف برای سنجش کیفیت مدل‌های پیش‌بینی) برابر 0.8 بود. یعنی مدل واقعاً تو تشخیص تفاوت موقعیت خطرناک با موقعیت عادی داره خوب جواب میده!
در زمینه حساسیت هم (Sensitivity یعنی اینکه مدل چقدر تشنج‌های واقعی رو پیدا می‌کنه)، وقتی حساسیت رو رو ۸۰٪ تنظیم کردن، نرخ هشدار اشتباه (False Detection Rate) شده ۰.۶۸ تا هشدار اشتباه در هر ساعت و مجموع زمان اخطار حدود ۰.۳۶ از هر ساعت بود. یعنی نسبتاً نرخ خوبی برای سیستم‌های پیش‌بینی اینچنینی.
البته مدل هنوز ایده‌آل نیست و نیاز به بررسی و بهینه‌سازی بیشتر داره. مثلاً میزان خطای کالیبراسیونش (Calibration Error یعنی اینکه مدل چقدر احتمال‌هاش دقیق با واقعیت می‌خونه) حدود ۰.۱۰۶ بوده که معقول به نظر میاد، اما هنوز هم میشه بهترش کرد.
جمع‌بندی دوستانه: این تحقیق نشون میده واقعاً میشه با تکنولوژی یادگیری عمیق و آنالیز داده‌های EEG، پیش‌بینی تشنج نوزادها حتی تو کمتر از پنج دقیقه قبل از وقوع هم انجام بشه! حالا باید تحقیقات و تست‌های بیشتری انجام بشه تا این مدل‌ها وارد عمل بشن و واقعاً بشه تو بیمارستان‌ها ازشون استفاده کرد. ولی این یه گام خیلی هیجان‌انگیزه به سمت آینده‌ای که تشنج‌ها رو قبل از وقوعشون مهار می‌کنیم.
پس خلاصه‌ش این شد: هوش مصنوعی و QEEG میتونن واقعاً تو مغز کوچولوی نوزادها «آینده‌خوانی» انجام بدن و زودتر از اینکه تشنج بیاد به پزشک هشدار بدن! به نظرتون دیگه چقدر آینده‌نگری شبیه فیلم‌های علمی-تخیلی شده؟ 😁
منبع: +
