خب بیاید اول یه کم راجع به آلزایمر صحبت کنیم. شاید شنیده باشین که آلزایمر یه بیماری مغزیه که متاسفانه فعلاً درمان قطعی براش نیست و کمکم حافظه، فکر کردن و رفتارت رو تحت تاثیر قرار میده. این داستان غمانگیز باعث میشه کمکم آدم وابستهی دیگران بشه. نکته مهم اینه که خیلی وقتا نشونههاش دیر خودشون رو نشون میدن و وقتی علائم شدیدتر شده متوجهش میشیم. به همین خاطر دانشمندا دارن تلاش میکنن راهی برای تشخیص زودترش پیدا کنن.
یه چیزی که اخیراً تو تحقیقات خیلی مطرح شده، اینه که ریسک آلزایمر تو زن و مردا (و حتی نژادها و سنین مختلف) فرق میکنه! یعنی مثلاً ممکنه خانما بیشتر یا کمتر از آقایون به این بیماری دچار بشن، یا روند پیشرفتش فرق داشته باشه. منبعش چیه؟ خب هنوز دقیق معلوم نیست و محققها دارن بررسی میکنن چه ارتباطی بین جنسیت و آلزایمر هست و چرا این تفاوتا وجود داره.
حالا برسیم به بخش باحالِ ماجرا: تکنولوژی تشخیص. دانشمندها تو این مقاله یه مدل به اسم GRDN معرفی کردن که مشخصاً به دنبال این بوده که ببینه میشه با بررسی جنسیت افراد، آلزایمر رو با دقت بالاتری تشخیص داد یا نه. برای این کار سراغ یه جور تصویربرداری خاص از مغز رفتن به اسم fMRI (یعنی تصویربرداری تشدید مغناطیسی فعالیت مغز، که در اصل عملکرد مغز رو نشون میده).
دادهها رو از دیتاست ADNI گرفتن که یه مجموعه داده معروف تو دنیاست درباره بیماری آلزایمر و مربوط به تحقیقاته. اما مشکل چیه؟ داده هاش تو بعضی گروهها مثل مثلا خانمها یا آقایون کمتر یا بیشتره و این باعث میشه مدلهای هوش مصنوعی درست آموزش نبینن. برای حل این داستان از یه ترفند هوش مصنوعی به نام GAN استفاده کردن. GAN یعنی Generative Adversarial Network که میشه گفت یه مدل هوش مصنوعیِ سازنده و رقابتیه که خودش دادههای جدید خیلی شبیه دادههای واقعی تولید میکنه تا تعادل بین گروهها برقرار شه.
وقتی دادهها رو متعادل و آماده کردن، اینا رو دادن به یه مدل خیلی معروف و قوی به اسم ResNet-50. ResNet-50 یه جور شبکه عصبی کانولوشنیه (CNN: همون مدل معروفی که توی تشخیص تصویر و اینجور چیزا غوغا کرده)، که کارش استخراج ویژگیهای مهم از دادهست. مثلاً میاد و از روی اون عکسهای fMRI یه سری ویژگی عددی بیرون میکشه، مثل یه لیست از اطلاعات مهم که آدمیزاد شاید هیچ وقت به چشمش نیاد.
برای اینکه این حجم زیاد ویژگی که مدل درمیاره خستهکننده و بعضاً بیمصرف نشه، سراغ یه الگوریتم باحال دیگه رفتن: binary dragonfly algorithm یا به اختصار BDA! حالا این چیه؟ یه جور الگوریتم هوش ازدحامی (Swarm Intelligence) که الهام گرفته از رفتار سنجاقکاست و خیلی باحاله؛ میاد و بین هزار تا ویژگی بهتریناش رو انتخاب میکنه تا مدل سبک و دقیق بشه.
بعد این ویژگیهای جذاب آماده شده رو میدن به پنج تا مدل یادگیری ماشین مختلف (یعنی همون مدلهای هوش مصنوعی که میتونن تصمیم بگیرن و دسته بندی کنن)، تا بر اساس این ویژگیها بگن کی آلزایمر داره و کی نه.
نتیجهش؟ هر چی تعداد ویژگیهای انتخابی بیشتر بود (مثلا با مجموعههایی با سایز ۱۰۰، ۲۵۰ و ۴۵۰ تا ویژگی)، دقت مدل هم بالاتر میرفت. جالب اینجاست که مدل FineKNN (یه مدل معروف یادگیری ماشین که نزدیکترین همسایهها رو حساب میکنه و تصمیم میگیره)، برای گروه آقایون روی مجموعه ۴۵۰تایی، رکورد زد و به دقت فوق العاده ۹۴.۸٪ رسید! این مدل کلاً از همه مدلهای دیگه بهتر عمل کرد، چه تو گروه مردانه، چه زنانه و چه گروههای دیگه.
در کل، این تحقیق نشون میده اگه دقت کنیم جنسیت و دادههای مغزی رو چطور باهوشانه تحلیل کنیم، میتونیم آلزایمر رو خیلی زودتر و بهتر شناسایی کنیم و شاید حتی یه روز جلوشو بگیریم. به نظر شما آینده پزشکی با این هوش مصنوعیها چقدر هیجانانگیز میشه؟
منبع: +
