به گزارش ایسنا و به نقل از تك اكسپلوریست، سكته مغزی هنگامی كه خون رسانی به مغز مختل شود، رخ می دهد. گاهی سكته می تواند باعث ناتوانی طولانی مدت در افراد شود.

اثر عملیات توانبخشی در سكته مغزی پایین است و خود بیماران نیز گاهی تمایل چندانی به آموزش نشان نمی دهند. از آنجا كه سكته مغزی بر روی نواحی مختلف مغز تأثیر می گذارد، پزشكان شاهد یك ناهمگونی در نتیجه آزمایشات بیمارانی كه تحت درمان توانبخشی سكته مغزی قرار گرفته اند هستند. "ناهمگونی در نتیجه" یك اصطلاح پزشكی است و به آن معناست كه روند درمانی برای بهبودی سكته مغزی می تواند بین افراد مبتلا به سكته مغزی بسیار متفاوت باشد.

به همین منظور محققان معتقدند كه ابتدا باید توانایی های خود برای پیش بینی دوره های بهبودی در هر فرد را افزایش دهند. در این مطالعه گروهی از محققان دانشگاه اكول پلی تكنیك فدرال لوزان سیستمی را توسعه داده اند كه از تركیبی از اطلاعات كانكتوم مغز و یادگیری ماشین برای ارزیابی و پیش بینی نتیجه و میزان اثر این عملیات توانبخشی استفاده می كند.

به یك نقشه جامع از اتصالات نورون در مغز كانكتوم(connectome) می گویند كه با نام دیاگرام اتصالات نیز شناخته می شود. به زبان جامع تر یك كانكتوم تمام اتصالات نورونی درون مغز یك موجود زنده را شامل می شود.

دانشمندان حوزه علوم مغز و اعصاب بر این باورند كه هنگام تفسیر داده های ساختاری یا دینامیك مغز و ارتباط آنها با عملكرد، نقص عملكرد یا فرایندهای بهبودی در مغز، "كانكتوم" به عنوان ابزاری ضروری عمل می كند.

دراین مطالعه، دانشمندان كانكتوم 92 فرد بیمار را دو هفته پس از سكته مغزی مورد تجزیه و تحلیل قرار دادند. طی این مدت آنها تمامی تغییرات رخ داده در كانكتوم را نیز بررسی كردند.

این امر به آنها امكان داد تا در حین روند بهبودی، تغییرات رخ داده در اتصال مغز افراد بیمار را كنترل كنند. سپس دانشمندان اطلاعات كانكتوم را در یك مدل یادگیری ماشین به نام "ماشین حامل پشتیبان" ( SVM ) وارد كردند. این مدل قادر به مشخص كردن دقیق الگوی شبكه مغز هر بیمار است كه این امر به محققان در پیش بینی روند بهبودی بیماران مبتلا به سكته مغزی كمك می كند.

انتهای پیام