هوش مصنوعی در جراحی اعصاب عملکردی AI and Functional Neurosurgery

#باجراحی_اعصاب_اشناشو

#نوروسرجری_عملکردی و

#هوش_مصنوعی

📌مقدمه:

مفهوم "هوش مصنوعی" در حال حاضر به طور گسترده در زمینه های مختلف علم و پزشکی استفاده می شود.

از نظر فنی، هوش مصنوعی یک فناوری ریاضی است که یک مسئله ذهنی را که به طور سنتی توسط انسان حل می‌شود، بطور خودکار حل می‌کند.

✔️ در حال‌حاضر، اصطلاح هوش مصنوعی بخشی از علوم کامپیوتر را نشان می دهد که در آن چنین راه حل هایی توسعه می یابند.

🟢اکثر مطالعات تجزیه و تحلیل شده در 5 حوزه اصلی جراحی مغز و اعصاب و یک منطقه ترکیبی انجام شده است:

1) neuro-oncology;

2) functional neurosurgery;

3) vascular neurosurgery;

4) spinal neurosurgery;

5) surgery for trauma brain injury;

6) other and related areas of neurosurgery

🔵کاربرد هوش مصنوعی در جراحی مغز و اعصاب عملکردی :

تقریباً 19٪ از مقالات در مورد استفاده از هوش مصنوعی در جراحی مغز و اعصاب به مسائل مربوط به جراحی مغز و اعصاب عملکردی، از جمله جراحی صرع می پردازند.

🔴داده های این مطالعات از الکتروانسفالوگرافی، الکتروکورتیکوگرافی، مگنتوآنسفالوگرافی، تصویربرداری پزشکی :  magnetic resonance imaging یا MRI  شامل تصویربرداری عملکردی و حالت استراحت، PET یا positron emission tomography, single-photon emission computed tomography

و همچنین تحریک عمیق مغز یا deep brain stimulation ، مانیتورینگ ویدئویی وضعیت بیمار، سوابق پزشکی، آنالیزهای بیوشیمیایی و ژنتیکی و دستگاه های wearable  به‌دست آمده است.

🟡از جمله task های معمولی که محققان در این مطالعات به آنها پرداخته اند، عبارتند از:

تشخیص صرع، فعالیت ictal  و interictal ، پیش بینی کننده های تشنج ، تراکتوگرافی عملکردی ، جستجو برای  بیومارکرهای epileptogenesis ، انتخاب بیمار برای جراحی صرع ، پیش بینی نتایج درمان صرع  تشخیص بیماری پارکینسون، مطالعه مکانیسم های جبرانی عملکردی در بیماران مبتلا به بیماری پارکینسون، بررسی اختلالات حرکتی در بیماری پارکینسون، شناسایی الکتروفیزیولوژیک لرزش postural و حرکات ارادی همراه با  essential tremor ، شناسایی اهداف، برنامه ریزی و تعدیل deep brain stimulation ، پیش بینی عوارض بعد از عمل ، پیش بینی نتایج decompression میکروواسکولار در اسپاسم hemi facial ، جستجو برای همبسته های الکتروفیزیولوژیکی درد نوروپاتیک ، تشخیص اختلالات عصبی روانی ، تحقیق درمورد مکانیسم های حافظه اپیزودیک و معنایی ، شناسایی مبتنی بر گفتار غالبیت نیمکره ، تشخیص تمرکز و تقسیم بندی ساختارهای مغز با قابلیت epileptogenic.

🟠این بخش از جراحی مغز و اعصاب با تنوع بیشتری از  task های تحقیقاتی در مقایسه با neuro-oncology مشخص می شود. هم چنین عمدتاً به صرع و اختلالات حرکتی توجه می شود.

🟣منبع اصلی داده‌ها، فعالیت الکتریکی مغز بود که نه تنها از پوست سر، بلکه از قشر مغز و ساختارهای عمیق مغز از جمله specific neural ensembles ثبت می‌شد. با استفاده از میکروالکترودهای داخل جمجمه ای، محققان توانستند به طور مستقیم فعالیت الکتریکی مغز را اندازه گیری کنند و سپس آن را در مطالعات روی حافظه و گفتار تجزیه و تحلیل کنند.

📌نتیجه گیری:

علیرغم توسعه اخیر فناوری‌های هوش مصنوعی، یادگیری ماشینی و روش‌های تجزیه و تحلیل داده کلان مرتبط، این فناوری‌ها هنوز کاربردهای گسترده و سیستماتیک در جراحی مغز و اعصاب را به دست نیاورده‌اند.البته یک محدودیت عینی برای پیشرفت سریع در این زمینه ، حجم ناکافی داده های با کیفیت بالا (که برای پزشکی سنتی است) میباشد. در حال حاضر، شواهد کافی برای تصمیم گیری در مورد کاربرد، ایمنی و امکان اقتصادی تکنیک های هوش مصنوعی در جراحی مغز و اعصاب وجود ندارد. بنابراین، نمی توان فرض کرد فناوری هوش مصنوعی قادر است کاملا جایگزین روش های سنتی و معمول پزشکی شود.

با این حال، با توجه به پتانسیل قوی هوش مصنوعی، قطعا می‌توان نیاز به توسعه و آزمایش گسترده این روش‌ها را در علم و عمل پزشکی مطرح کرد.

منابع :

https://doi.org/10.17691/stm2020.12.5.12

https://doi.org/10.17691/stm2020.12.6.12

✅گردآورنده: دکتر معصومه حسینی

✅ادیتور: دکتر بردیا حاجی کریملو

مارا به دوستان خود معرفی کنید…🌱