تشخیص زودهنگام بیماری آلزایمر با ترکیب تصاویر MRI و داده های شناختی با استفاده از هوش مصنوعی

بیماری آلزایمر به عنوان یکی از شایع ترین بیماری های تحلیل برنده عصبی، با اختلال تدریجی در حافظه و عملکردهای شناختی همراه است. تشخیص زودهنگام این بیماری می تواند نقش موثری در آغاز مداخلات درمانی و کاهش سرعت پیشرفت آن داشته باشد. در سال های اخیر، استفاده از هوش مصنوعی و الگوریتم های یادگیری ماشین، به ویژه یادگیری عمیق، فرصت های جدیدی برای تحلیل داده های پزشکی و افزایش دقت تشخیص فراهم کرده است. هدف این پژوهش، توسعه یک مدل هوشمند برای تشخیص زودهنگام بیماری آلزایمر با ترکیب تصاویر MRI مغز و داده های شناختی بیماران است. در این روش، ویژگی های ساختاری و تصویری مغز از طریق شبکه های عصبی عمیق استخراج شده و هم زمان اطلاعات شناختی شامل نتایج آزمون های حافظه، عملکرد ذهنی و داده های بالینی با استفاده از الگوریتم های یادگیری ماشین تحلیل می شوند. سپس با استفاده از یک رویکرد چندوجهی، ویژگی های حاصل از تصاویر و داده های شناختی ادغام شده و مدل نهایی برای طبقه بندی افراد سالم، مبتلایان به اختلال شناختی خفیف و بیماران آلزایمری آموزش داده می شود. انتظار می رود ترکیب این دو منبع اطلاعاتی نسبت به روش های مبتنی بر یک نوع داده، دقت و قابلیت اطمینان بیشتری در پیش بینی مراحل اولیه بیماری ایجاد کند. این پژوهش نشان می دهد که فناوری های مبتنی بر هوش مصنوعی می توانند به عنوان ابزارهای کمکی قدرتمند در تشخیص زودهنگام آلزایمر و حمایت از تصمیم گیری پزشکان مورد استفاده قرار گیرند.

کلیدواژه ها:

بیماری آلزایمر ، تشخیص زودهنگام ، تصویربرداری MRI ، داده های شناختی ، هوش مصنوعی ، یادگیری عمیق ، یادگیری ماشین