مروری بر فنون تشخیصی و هوش مصنوعی برای شناسایی مالتیپل اسکلروزیس

مقدمه: مالتیپل اسکلروزیس (MS) اختلالی خودایمنی است که در آن دستگاه ایمنی به غلاف میلین اعصاب حمله می کند و باعث آسیب و اختلال در انتقال سیگنال های عصبی می شود. این بیماری می تواند به ضعف عضلانی، مشکلات بینایی، نداشتن تعادل و ناهماهنگی منجر گردد. تشخیص سریع و دقیق آن برای مدیریت و کنترل بیماری ضروری است؛ زیرا می تواند روند پیشرفت را کند نماید و از آسیب های دائمی جلوگیری کند. مواد و روش­ها: در این پژوهش، روش های تشخیصی MS شامل الکتروانسفالوگرافی، الکترومیوگرافی، داده های بالینی، آنالیز مایع مغزی نخاعی، تصویربرداری رزونانس مغناطیسی و توموگرافی انسجام نوری بررسی شد؛ همچنین روش های مبتنی بر هوش مصنوعی برای تحلیل خودکار داده ها و تشخیص سریع تر بیماری معرفی گردیدند. به عنوان روش انحصاری، پلتفرم مبتنی بر تشخیص خودکار از طریق ادغام روش های موجود ارائه شد. یافته­ های پژوهش: بررسی ها نشان داد که تصویربرداری رزونانس مغناطیسی دقت بالایی در تشخیص دارد. با توجه به میانگین دقت روش های مبتنی بر هوش مصنوعی در هرکدام از روش های اصلی برای تصویربرداری رزونانس مغناطیسی، توموگرافی انسجام نوری، الکتروانسفالوگرافی، الکترومیوگرافی و آزمایش های مایع مغزی نخاعی به ترتیب به دقت های ۹۰، ۷۵، ۸۰، ۹۰ و ۹۵ درصدی دست می یابند. پلتفرم پیشنهادی ترکیب این روش ها را برای افزایش سرعت و دقت تشخیص ارائه می دهد. بحث و نتیجه گیری: استفاده از فنون پیشرفته در تشخیص MS و ترکیب روش های مختلف می تواند به تشخیص زودهنگام، بهبود روند درمان و کاهش عوارض بیماری کمک کند.

کلیدواژه ها:

Multiple sclerosis ، MRI ، OCT ، EEG ، Artificial intelligence ، مولتیپل اسکلروزیس ، هوش مصنوعی ، MRI ، OCT ، EEG