هوش مصنوعی به متخصصان پزشکی کمک می کند تا EEG های گیج کننده را بخوانند تا زندگی را نجات دهند

از آنجایی که قرائت های EEG تنها روشی است برای دانستن اینکه چه زمانی بیماران بیهوش در معرض خطر تشنج هستند یا حوادثی شبیه به تشنج دارند، این ابزار محاسباتی می تواند به نجات جان هزاران نفر در سال کمک کند. نتایج به صورت آنلاین در 23 مه در صفحه نمایش داده می شود مجله پزشکی نیوانگلند هوش مصنوعی.

EEG از حسگرهای کوچک متصل به پوست سر برای اندازه‌گیری سیگنال‌های الکتریکی مغز استفاده می‌کند که باعث تولید یک خط طولانی از بالا و پایین شدن قیچی‌ها می‌شود. هنگامی که یک بیمار تشنج می کند، این خطوط به طور چشمگیری مانند یک لرزه نگار در هنگام زلزله بالا و پایین می پرند – سیگنالی که به راحتی قابل تشخیص است. اما تشخیص سایر ناهنجاری های مهم پزشکی به نام رویدادهای تشنج مانند بسیار دشوارتر است.

دکتر براندون وستور، دانشیار دانشگاه، گفت: «فعالیت مغزی که ما به آن نگاه می کنیم، در امتداد یک زنجیره وجود دارد، جایی که تشنج در یک انتها قرار دارد، اما هنوز رویدادهای زیادی در وسط وجود دارد که می تواند باعث آسیب شود و نیاز به دارو داشته باشد. مغز و اعصاب در بیمارستان عمومی ماساچوست و دانشکده پزشکی هاروارد. تشخیص و طبقه بندی الگوهای EEG ناشی از این رویدادها حتی توسط متخصصان مغز و اعصاب بسیار آموزش دیده که در هر مرکز پزشکی وجود ندارد، دشوارتر است. اما انجام این کار برای نتایج سلامتی این بیماران بسیار مهم است.

برای ساخت ابزاری برای کمک به انجام این تصمیمات، پزشکان به آزمایشگاه سینتیا رودین، ارل دی. مک‌لین، جونیور پروفسور علوم کامپیوتر و مهندسی برق و کامپیوتر در دوک مراجعه کردند. رودین و همکارانش در توسعه الگوریتم‌های یادگیری ماشینی «قابل تفسیر» تخصص دارند. در حالی که اکثر مدل‌های یادگیری ماشینی یک “جعبه سیاه” هستند که تشخیص نحوه رسیدن به نتیجه را برای انسان غیرممکن می‌کند، مدل‌های یادگیری ماشینی قابل تفسیر اساساً باید کار خود را نشان دهند.

گروه تحقیقاتی با جمع‌آوری نمونه‌های EEG از بیش از 2700 بیمار و داشتن بیش از 120 متخصص، ویژگی‌های مربوطه را در نمودارها انتخاب کردند و آنها را به عنوان یک تشنج، یکی از چهار نوع رویداد مشابه تشنج یا «سایر» طبقه‌بندی کردند. هر نوع رویداد در نمودارهای EEG به صورت اشکال خاص یا تکرار در خطوط موج دار ظاهر می شود. اما از آنجایی که این نمودارها به ندرت از نظر ظاهری ثابت هستند، سیگنال‌های هشدار دهنده می‌توانند توسط داده‌های بد قطع شوند یا می‌توانند با هم ترکیب شوند و نمودار گیج‌کننده‌ای ایجاد کنند.

استارک گو، دکترای تخصصی، گفت: «یک حقیقت اساسی وجود دارد، اما خواندن آن دشوار است. دانشجویی که در آزمایشگاه رودین کار می کند. ابهام ذاتی در بسیاری از این نمودارها به این معنی است که ما باید مدل را طوری آموزش می‌دادیم که تصمیمات خود را در یک زنجیره قرار دهد و نه در سطل‌های جداگانه کاملاً تعریف شده.

هنگامی که به صورت بصری نمایش داده می شود، این زنجیره چیزی شبیه یک ستاره دریایی رنگارنگ به نظر می رسد که از شکارچی دور می شود. هر بازوی با رنگ متفاوت نشان دهنده یک نوع رویداد تشنجی است که EEG می تواند نشان دهد. هرچه الگوریتم یک نمودار مشخص را به نوک بازو نزدیک‌تر قرار دهد، از تصمیم خود مطمئن‌تر است، در حالی که آنهایی که نزدیک‌تر به بدنه مرکزی قرار می‌گیرند قطعیت کمتری دارند.

علاوه بر این طبقه‌بندی بصری، الگوریتم همچنین به الگوهای امواج مغزی اشاره می‌کند که برای تعیین آن استفاده می‌کند و سه نمونه از نمودارهای تشخیص حرفه‌ای را ارائه می‌کند که به نظر مشابه هستند.

آلینا بارنت، یکی از همکاران تحقیقاتی فوق دکترا در آزمایشگاه رودین، می‌گوید: «این به یک متخصص پزشکی اجازه می‌دهد تا سریعاً بخش‌های مهم را بررسی کند و یا موافقت کند که الگوها وجود دارند یا تصمیم بگیرند که الگوریتم ناموفق است». حتی اگر آنها برای خواندن نوار مغزی آموزش ندیده باشند، می توانند تصمیم بسیار دقیق تری بگیرند.

با آزمایش الگوریتم، تیم مشترک از هشت پزشک متخصص با تجربه مرتبط، 100 نمونه EEG را در شش دسته دسته بندی کردند، یک بار با کمک هوش مصنوعی و یک بار بدون استفاده از هوش مصنوعی. عملکرد همه شرکت‌کنندگان با افزایش صحت کلی از 47% به 71% بسیار بهبود یافت. عملکرد آنها همچنین بالاتر از الگوریتم‌هایی بود که از الگوریتم «جعبه سیاه» مشابه در مطالعه قبلی استفاده می‌کردند.

رودین می‌گوید: «معمولاً مردم فکر می‌کنند که مدل‌های یادگیری ماشین جعبه سیاه دقیق‌تر هستند، اما برای بسیاری از کاربردهای مهم، مانند این مورد، این درست نیست. زمانی که مدل‌ها قابل تفسیر هستند، عیب‌یابی بسیار آسان‌تر است. و در این مورد، مدل قابل تفسیر در واقع دقیق‌تر بود. همچنین دید پرنده‌ای از انواع سیگنال‌های الکتریکی غیرعادی که در مغز رخ می‌دهند، ارائه می‌دهد که واقعاً برای مراقبت از بیماران بدحال.”

این کار توسط بنیاد ملی علوم (IIS-2147061، HRD-2222336، IIS-2130250، 2014431)، مؤسسه ملی سلامت (R01NS102190، R01NS102574، R01NS107296، R01NS107296، RF7201، R01NS107296، RF7201، R01NS107296، RF701 10، R01HL161253، K23NS124656، P20GM130447) و کمک هزینه سلول های بنیادی DHHS LB606 نبراسکا.