محققان کالج لندن در مطالعات جدید از فناوری یادگیری ماشینی برای بررسی ویژگی‌های ساختاری مغز از جمله مناطقی که قبلا با آلزایمر مرتبط نبوده‌اند، استفاده کرده‌اند.
محققان در مطالعات جدید از فناوری یادگیری ماشینی برای بررسی ویژگی‌های ساختاری مغز از جمله مناطقی که قبلا با آلزایمر مرتبط نبوده‌اند، استفاده کرده‌اند. مزیت استفاده از این روش سادگی آن و این واقعیت است که می‌تواند بیماری را در مراحل اولیه و زمانی که تشخیص آن بسیار دشوار است، شناسایی کند.
اگرچه هیچ درمان خاصی برای بیماری آلزایمر وجود ندارد، اما با این وجود تشخیص سریع آن در مراحل اولیه به بیماران کمک می‌کند و به آن‌ها امکان می‌دهد تا روند درمان و به نوعی نحوه مدیریت علائم خود را زودتر آغاز کنند.
توانایی شناسایی دقیق بیماران در مراحل اولیه بیماری، همچنین به محققان کمک خواهد کرد تا تغییرات مغزی را که باعث شروع بیماری می‌شود، درک کنند و زودتر روند توسعه درمان‌های جدید را شروع کنند.
بیماری آلزایمر شایع‌ترین نوع زوال عقل است که بیش از نیم میلیون نفر در بریتانیا به آن مبتلا هستند. اگرچه اکثر افراد مبتلا به آلزایمر بعد از سن ۶۵ سالگی به آن مبتلا می‌شوند، افراد زیر این سن نیز می‌توانند به آن مبتلا شوند. شایع‌ترین علائم زوال عقل از دست دادن حافظه و مشکلات در تفکر، حل مسئله و زبان است.
در حال حاضر پزشکان از مجموعه‌ای از آزمایش‌ها از جمله تست‌های حافظه و شناختی و اسکن مغز برای تشخیص بیماری آلزایمر استفاده می‌کنند. این اسکن برای بررسی رسوبات پروتئینی در مغز و بررسی میزان کوچک شدن هیپوکامپ (ناحیه‌ای از مغز که با حافظه مرتبط است) استفاده می‌شود. همه این آزمایشات ممکن است چند هفته طول بکشد.
اما رویکرد جدیدی که محققان در این مطالعه از آن صحبت کرده‌اند فقط به یکی از این موارد نیاز دارد و آن یک اسکن مغزی تصویربرداری تشدید مغناطیسی/ ام آر آی (MRI) است که روی یک دستگاه استاندارد ۱.۵ تسلایی که معمولا در اکثر بیمارستان‌ها وجود دارد، صورت می‌گیرد.
محققان الگوریتمی را که برای استفاده در طبقه‌بندی تومور‌های سرطانی توسعه یافته بود، تطبیق دادند و آن را روی مغز اعمال کردند. آن‌ها مغز را به ۱۱۵ منطقه تقسیم کردند و ۶۶۰ ویژگی مختلف مانند اندازه، شکل و بافت را برای ارزیابی هر ناحیه اختصاص دادند. آن‌ها سپس این الگوریتم را آموزش دادند تا مشخص کنند که تغییرات در کدام ناحیه می‌تواند وجود بیماری آلزایمر را به دقت پیش‌بینی کند.
محققان با استفاده از داده‌های چند مطالعه، رویکرد خود را روی اسکن‌های مغزی بیش از ۴۰۰ بیمار مبتلا به آلزایمر در مراحل اولیه، افراد سالم و بیماران مبتلا به سایر بیماری‌های عصبی از جمله زوال عقل پیشانی گیجگاهی و بیماری پارکینسون، آزمایش کردند. آن‌ها همچنین آن را با داده‌های بیش از ۸۰ بیمار تحت آزمایش‌های تشخیصی آلزایمر در کالج سلطتی لندن آزمایش کردند.
محققان دریافتند که در ۹۸ درصد موارد، سیستم یادگیری ماشینی مبتنی بر ام. آر. آی به تنهایی می‌تواند به دقت پیش‌بینی کند که آیا بیمار به بیماری آلزایمر مبتلا شده است یا خیر. همچنین توانست در ۷۹ درصد بیماران، بین آلزایمر در مراحل اولیه و آلزایمر پیشرفته با دقت نسبتا بالایی تمایز قائل شود.
پروفسور "اریک ابوآجی" (Eric Aboagye) که رهبری این تحقیق را بر عهده داشت، گفت: در حال حاضر هیچ روش ساده و گسترده دیگری نمی‌تواند بیماری آلزایمر را با این سطح از دقت پیش‌بینی کند، بنابراین تحقیقات ما گامی مهم و رو به جلو است.
سیستم جدید همچنین توانست تغییراتی را در مناطقی از مغز که قبلا با بیماری آلزایمر مرتبط نبودند، از جمله مخچه (بخشی از مغز که فعالیت بدنی را هماهنگ و تنظیم می‌کند) و مغزمیانجی شکمی (مرتبط با حواس، بینایی و شنوایی) مشاهده کند. این امر راه‌های بالقوه جدیدی را برای تحقیق در این زمینه‌ها و ارتباط آن‌ها با بیماری آلزایمر هموار می‌کند.
مغز میانجی یا میانجی‌مغز یا دیانسفال (diencephalon)، دومین بخش از مغز پیشین است که بین مغز پیشین (تلانسفال) و مغز میانی قرار دارد و بطن سوم را در بر می‌گیرد. مهم‌ترین اجزای میانجی‌مغز، تالاموس و هیپوتالاموس می‌باشند. دیانسفال شامل تشکیلاتی است که در عمق سطح داخلی نیمکره‌ها واقع شده است.
در زیر تالاموس شیاری به نام هیپوتالامیک وجود دارد که زیر و جلوی آن را منطقه هیپوتالاموس و زیر و عقب شیار هیپوتالامیک را ساب‌تالاموس گویند که به صورت یک منطقه کوچک است و در عقب آن منطقه اپی‌تالاموس است. این مجموعه را دیانسفال یا تشکیلات اطراف بطن سوم گویند. یافته‌های این مطالعه در مجله "Communications Medicine" منتشر شد.