بخش اجتماعی- پژوهشگران "مایو كلینیك" سعی دارند با كمك یك الگوریتم جدید مبتنی بر هوش مصنوعی، به درمان بیماری های روانی و آسیب های مغزی بپردازند.

به گزارش ایسنا و به نقل از ساینس دیلی، تحریك الكتریكی مغز در حال حاضر امكان درمان را برای میلیون ها نفر از افراد مبتلا به صرع و اختلالات حركتی مانند پاركینسون گسترش می دهد. تحریك الكتریكی در آینده ممكن است به درمان افراد مبتلا به بیماری های روانی و آسیب های مستقیم مغزی مانند سكته كمك كند.

با وجود این، بررسی نحوه تعامل شبكه های مغزی با یكدیگر، كار پیچیده ای است. شبكه های مغزی را می توان با ارائه پالس های كوتاه جریان الكتریكی در یك ناحیه از مغز بیمار و در عین حال اندازه گیری پاسخ های ولتاژ در نواحی دیگر، مورد بررسی قرار داد. در اصل، باید بتوان ساختار شبكه های مغزی را از این داده ها استنباط كرد. این كار با استفاده از داده های جهان واقعی، دشوار است زیرا سیگنال های ثبت شده، پیچیده هستند و تنها می توان اندازه گیری های محدودی را انجام داد.

پژوهشگران "مایو كلینیك" (Mayo Clinic) برای كنترل این مشكل، مجموعه ای از نمونه ها و دیدگاه ها را ایجاد كردند كه مقایسه اثرات تحریك الكتریكی بر مغز را ساده می كند. از آنجا كه یك روش ریاضی برای توصیف نحوه همگرایی ورودی ها در نواحی مغز انسان وجود نداشت، این گروه پژوهشی با یك متخصص بین المللی الگوریتم های هوش مصنوعی همكاری كرد تا الگوریتم جدیدی موسوم به "شناسایی منحنی مشخصات پایه" (Basis Profile Curve Identification) را ایجاد كند.

در این پژوهش، از یك الكترود "الكتروكورتیكوگرافی" (Electrocorticographic) برای تعیین تشنج و نقشه برداری از مغز یك بیمار مبتلا به تومور مغزی پیش از برداشتن تومور او استفاده شد.

كای میلر (Kai Miller)، پژوهشگر ارشد این پروژه گفت: یافته های ما نشان می دهد كه این الگوریتم جدید ممكن است به ما كمك كند تا بفهمیم كدام نواحی مغز مستقیما با یكدیگر در تعامل قرار دارند. این موضوع به نوبه خود ممكن است به تعیین محل قرارگیری الكترودهای دستگاه های تحریك كننده ای كه برای درمان بیماری های مغزی به كار می روند، كمك كند. با ظهور فناوری جدید، این نوع الگوریتم ممكن است به ما در درمان بهتر بیماران مبتلا به صرع، اختلالات حركتی مانند پاركینسون و بیماری های روانی مانند وسواس و افسردگی كمك كند.

كلاوس روبرت مولر (Klaus-Robert Mueller)، از پژوهشگران این پروژه گفت: داده های عصبی به دست آمده تا به امروز، شاید چالش برانگیزترین و هیجان انگیزترین داده ها برای پژوهشگران هوش مصنوعی در جهت مدل سازی باشند.