پژوهشگران MIT، Harvard University و Massachusetts General Hospital در مطالعه‌ای جدید از یک ابزار مبتنی بر هوش مصنوعی رونمایی کرده‌اند که می‌تواند ساختارهای پیچیده ساقه مغز را با دقت بالا در تصاویر Diffusion MRI تفکیک کند. نتایج این پژوهش در ۶ فوریه در مجله Proceedings of the National Academy of Sciences منتشر شده است. ساقه مغز مرکز کنترل بسیاری از عملکردهای حیاتی مانند هوشیاری، خواب، تنفس، ضربان قلب و تنظیم دمای بدن است. سیگنال‌های عصبی این عملکردها از طریق دسته‌هایی از فیبرهای «ماده سفید» منتقل می‌شوند، اما به دلیل اندازه کوچک این ساختارها و تداخل حرکات تنفسی و ضربان قلب، تصویربرداری دقیق آن‌ها تاکنون دشوار بوده است.

معرفی ابزار BSBT و نحوه عملکرد آن

ابزار جدید با نام BrainStem Bundle Tool (BSBT) قادر است هشت دسته مجزای فیبر عصبی در ساقه مغز را به‌صورت خودکار شناسایی و بخش‌بندی کند. این سیستم از یک شبکه عصبی کانولوشنی (CNN) بهره می‌برد که با ترکیب نقشه‌های احتمالاتی فیبرها و داده‌های چندکاناله MRI، ساختارهای عصبی را تفکیک می‌کند. برای آموزش الگوریتم، از ۳۰ اسکن پروژه Human Connectome Project استفاده شد که به‌صورت دستی برچسب‌گذاری شده بودند. سپس عملکرد ابزار با داده‌های کالبدشکافی مغزهای انسانی و تصویربرداری فوق‌رزولوشن مقایسه شد. نتایج نشان داد BSBT با دقت بالا می‌تواند این دسته‌های عصبی را در اسکن‌های جدید شناسایی کند. در آزمایش پایداری، این ابزار روی ۴۰ داوطلب که در فاصله دو ماه دوبار اسکن شدند، اجرا شد و در هر دو مرحله، همان دسته‌های عصبی را به‌درستی شناسایی کرد؛ موضوعی که نشان‌دهنده دقت و ثبات بالای الگوریتم است.

کاربرد در بیماری‌های نورودژنراتیو

پس از اعتبارسنجی، پژوهشگران BSBT را برای بررسی بیماران مبتلا به آلزایمر، پارکینسون، ام‌اس (MS) و آسیب مغزی تروماتیک (TBI) به‌کار گرفتند. این ابزار دو شاخص مهم را اندازه‌گیری می‌کند: حجم دسته‌های عصبی و «ناهمسانگردی کسری» (FA) که نشانگر سلامت ماده سفید است. یافته‌ها نشان داد در آلزایمر تنها یک دسته دچار افت قابل توجه شده بود. در پارکینسون، کاهش FA در سه دسته و کاهش حجم در یک دسته طی دو سال مشاهده شد. بیماران ام‌اس بیشترین کاهش FA را در چهار دسته و کاهش حجم را در سه دسته نشان دادند. در آسیب مغزی تروماتیک، کاهش حجم چشمگیری دیده نشد، اما افت FA در بیشتر دسته‌ها گزارش شد. آزمایش‌ها نشان داد BSBT در تمایز بیماران از افراد سالم، عملکرد دقیق‌تری نسبت به روش‌های طبقه‌بندی قبلی دارد و می‌تواند به‌عنوان یک بیومارکر نوین در تصویربرداری عصبی مطرح شود.

ردیابی بهبود در بیمار کما

در یک مورد بالینی، این ابزار روی مردی ۲۹ ساله که به‌مدت هفت ماه در کما بود، اعمال شد. نتایج نشان داد دسته‌های عصبی ساقه مغز جابه‌جا شده اما قطع نشده‌اند. با گذشت زمان، حجم ضایعات تا سه برابر کاهش یافت و فیبرها به موقعیت طبیعی خود بازگشتند. این یافته نشان می‌دهد BSBT می‌تواند در پیش‌بینی روند بهبود بیماران کما نیز کاربرد بالقوه داشته باشد.

منبع خبر: news.mit