چطور با تحلیل حرکت میشه ام‌اس رو تو مراحل اولیه تشخیص داد؟ (با کمک هوش مصنوعی!)

خب رفقا بیاین یه موضوع جالب رو با هم بررسی کنیم! ام‌اس یا همون بیماری مولتیپل اسکلروزیس که خیلی‌ها شنیدن، یه بیماری عصبیه که واقعاً بیشتر جوون‌ها رو گرفتار می‌کنه و حسابی می‌تونه اذیت‌کننده باشه و حتی استقلال افراد رو زیر سؤال ببره. یکی از چیزایی که خیلی زود توی ام‌اس تغییر می‌کنه، راه رفتن آدم‌هاست، یعنی طرز حرکت یا همون “گِیت” (gait)، که تغییر توش باعث میشه زندگی روزمره افراد مختل بشه.

حالا تو این تحقیق اومدن سراغ راهی برای شناسایی آدم‌هایی که تو مراحل اولیه ام‌اس هستن با استفاده از تحلیل حرکات بدن، اونم با کمک هوش مصنوعی! حالا خود هوش مصنوعی رو احتمالاً همه شنیدین، اما اینجا اومدن سراغ یه مدل به اسم elastic net regression. این یه مدل یادگیری ماشینِ ـه (machine learning یعنی الگوریتم‌هایی که خودشون با دیدن داده‌ها یاد می‌گیرن چیکار کنن) که می‌تونه الگوهای حرکتی رو تحلیل کنه.

شرکت‌کننده‌ها چی بودن؟
همه چی شفاف و دقیق: یه گروه داشتن شامل 19 نفر که ام‌اس داشتن و بیماریشون تو مراحل اولیه بود. یه گروه هم 19 نفر بودن که هیچ مشکل عصبی یا اسکلتی عضلانی نداشتن (همون سالم‌ها!). اینا رو بردن اتاق آزمایش، روی کف زمین حسگر گذاشتن و حرکتشون رو سه‌بعدی بررسی کردن، و جالبه این کار رو هم وقت راه رفتن عادی و هم موقع انجام یه کار ذهنی همزمان انجام دادن. یعنی هم داشتن راه می‌رفتن، هم باید یه کار حافظه‌ای رو انجام می‌دادن (مفهوم dual-task، یعنی همزمان هم راه بری هم ذهنت درگیره).

حالا داده‌ها رو گرفتن و انداختن به خورد مدل هوش مصنوعی. اومدن سه جور معیار بررسی کردن:

  • فقط از میانگین داده‌های حرکتی استفاده کنن (مثلاً زاویه مفصل‌ها)
  • هم میانگین و هم انحراف معیار رو در نظر بگیرن (انحراف معیار یعنی داده‌ها چقدر بالا پایین می‌رن)
  • فقط انحراف معیار رو لحاظ کنن.

نتیجه‌شون خیلی شگفت‌انگیز بود!
اگر فقط میانگین استفاده می‌کردن، مدلشون با دقت ۷۷ درصد می‌تونست ام‌اس رو تشخیص بده (این AUC هست که Area Under the Curve گفته میشه و نشون‌دهنده کیفیت تشخیص مدله). اگر میانگین و انحراف معیار رو با هم استفاده می‌کردن، این دقت می‌رسید به ۹۴ درصد و اگر فقط انحراف معیار به مدل داده می‌شد، دقت تشخیص می‌رفت رو ۹۵ درصد! واقعاً این نشون میده تغییرات حرکات بدن تو ام‌اس شاید بیشتر تو نوسانات حرکت باشه تا چیزای دیگه.

جمع‌بندی مقاله هم اینه که، با تحلیل زاویه‌ایِ راه رفتن، مخصوصاً وقتی همزمان یه کار ذهنی (مثل کاری که تو آزمایش انجام دادن) انجام بدی، میشه با کمک مدل‌های ماشین‌لرنینگ به راحتی افراد مبتلا به ام‌اس رو تو همون مراحل اولیه از بقیه تشخیص داد. این یعنی یه امید بزرگ برای تشخیص سریع‌تر و ساده‌تر ام‌اس!

در کل، مقاله نشون داد که تکنولوژی جدید دیگه فقط یه چیز لوکس و خفن نیست، واقعاً می‌تونه آسیب‌پذیرترین آدم‌ها رو تو زندگی روزمره‌شون کمک کنه و حتی بیماری رو زودتر کشف کنه. حالا اگه وسط حرفایی مثل AUC و مدل elastic net و dual-task سردرگم شدین، خیالتون راحت باشه! منظورش اینه که یه مدل هوشمند اومد و تونست از روی نحوه راه رفتنِ افراد تشخیص بده کی ام‌اس داره و کی نه، اونم تو همون اول راه. چقدر خوب میشه اگه این روش‌ها تو کلینیک‌ها هم استفاده بشه، نه؟

منبع: +