यह अध्ययन जर्नल ऑफ साइंटिफिक रिपोर्ट्स में प्रकाशित हुआ था।
से सात वैज्ञानिकों की एक टीम जॉर्जिया राज्य एक परिष्कृत कंप्यूटर प्रोग्राम विकसित किया जो मस्तिष्क इमेजिंग डेटा की भारी मात्रा में छानबीन करने और मानसिक स्वास्थ्य विकारों से संबंधित अप्रत्याशित पैटर्न खोजने में सक्षम था। मस्तिष्क इमेजिंग डेटा का उत्पादन करने के लिए उपयोग किए जाने वाले कार्यात्मक चुंबकीय अनुनाद इमेजिंग (एफएमआरआई) स्कैन रक्त प्रवाह में मिनट भिन्नताओं को खोजकर गतिशील मस्तिष्क गतिविधि का मूल्यांकन करते हैं।
अध्ययन के प्रमुख लेखक और जॉर्जिया स्टेट यूनिवर्सिटी में कंप्यूटर विज्ञान और तंत्रिका विज्ञान के एक सहयोगी प्रोफेसर के रूप में, सर्गेई प्लिस टिप्पणी की, “हमने fMRI से सूचना की पर्याप्त मात्रा का विश्लेषण करने के लिए कृत्रिम बुद्धिमत्ता मॉडल का निर्माण किया।”
एक्स-रे या अधिक लोकप्रिय संरचनात्मक एमआरआई जैसे स्नैपशॉट के बजाय, उन्होंने इस प्रकार की गतिशील इमेजिंग की तुलना एक फिल्म से की, यह देखते हुए कि “सुलभ डेटा इतना बड़ा है, रक्त परीक्षण या मानक एमआरआई की तुलना में बहुत अधिक समृद्ध है। ” लेकिन यही समस्या है — इतना डेटा समझना मुश्किल है।
आगे, एफएमआरआई इन विशेष परिस्थितियों में महंगा और प्राप्त करना मुश्किल है। हालाँकि, AI मॉडल का उपयोग करके मानक fMRI पर डेटा माइनिंग किया जा सकता है। और आसपास बहुत सारे हैं।
के अनुसार विंस कैलहौं, TReNDS केंद्र के संस्थापक निदेशक और अध्ययन के लेखकों में से एक, “बिना किसी प्रलेखित नैदानिक समस्या के व्यक्तियों में विशाल डेटासेट उपलब्ध हैं।” छोटे, अधिक केंद्रित डेटासेट पर मॉडल के प्रदर्शन को इन व्यापक लेकिन असंबंधित सार्वजनिक डेटासेट का उपयोग करके बढ़ाया गया था।
के अनुसार Calhoun“नए पैटर्न विकसित हुए हैं कि हम स्पष्ट रूप से मस्तिष्क की तीन बीमारियों में से प्रत्येक से जुड़ सकते हैं।”
10,000 से अधिक व्यक्तियों के साथ एक डेटासेट ने AI मॉडल के लिए प्रारंभिक प्रशिक्षण आधार के रूप में कार्य किया क्योंकि उन्हें fMRI इमेजिंग और मस्तिष्क गतिविधि के मूल सिद्धांतों को सिखाया गया था। उसके बाद, शोधकर्ताओं ने 1200 से अधिक लोगों के मल्टी-साइट डेटा सेट का उपयोग किया, जिनमें अल्जाइमर रोग, सिज़ोफ्रेनिया और ऑटिज़्म स्पेक्ट्रम विकार वाले लोग शामिल थे।
यह कैसे कार्य करता है? यह ठीक उसी तरह है जैसे फेसबुक, यूट्यूब या अमेज़ॅन आपके ऑनलाइन व्यवहार से आपके बारे में सीखना शुरू करते हैं और आपके भविष्य के व्यवहार, पसंद और नापसंद का पूर्वानुमान लगाना शुरू करते हैं। कंप्यूटर प्रोग्राम सटीक “क्षण” को इंगित करने में भी सक्षम था जब मस्तिष्क इमेजिंग डेटा ने प्रासंगिक मानसिक स्थिति से संबंध का सबसे दृढ़ता से सुझाव दिया था।
इन खोजों को नैदानिक रूप से सहायक होने के लिए किसी विकार के प्रकट होने से पहले उपयोग में लाया जाना चाहिए।
Calhoun के अनुसार, यदि हम 40 साल की उम्र में अल्जाइमर रोग के जोखिम कारकों की पहचान कर सकते हैं और मार्करों का उपयोग करके उस जोखिम की भविष्यवाणी कर सकते हैं, तो हम कार्रवाई करने में सक्षम हो सकते हैं।
इसी तरह, मस्तिष्क संरचना में वास्तविक परिवर्तन होने से पहले सिज़ोफ्रेनिया के जोखिमों को पहचाना जा सकता है, तो बेहतर या अधिक कुशल उपचार प्रदान करने के तरीके हो सकते हैं।
कैलहोन ने कहा, “हम अभी भी यह अनुमान लगाने में असमर्थ हैं कि यह कब विकसित होगा, भले ही हम पिछले परीक्षण या पारिवारिक इतिहास के माध्यम से जानते हों कि किसी को अल्जाइमर जैसी बीमारी का खतरा है।” मस्तिष्क इमेजिंग नैदानिक बीमारी के स्पष्ट होने से पहले जैसे ही वे उभरती हैं, प्रासंगिक पैटर्न को खोजकर उस खिड़की को छोटा कर सकती हैं।
विचार, के अनुसार भोजन औरयह है कि एक बड़े आकार के इमेजिंग डेटासेट को इकट्ठा करने के बाद, “हमारे एआई मॉडल इसका विश्लेषण करेंगे और हमें बताएंगे कि उन्होंने विशेष बीमारियों के बारे में क्या खोजा है। हम नए ज्ञान को खोजने के लिए सिस्टम बना रहे हैं जिसे हम स्वयं प्राप्त करने में असमर्थ हैं।”
अध्ययन के पहले लेखक और जॉर्जिया स्टेट यूनिवर्सिटी, एमडी में कंप्यूटर विज्ञान में डॉक्टरेट उम्मीदवार। महफुजुर रहमानीने कहा कि अध्ययन का उद्देश्य “बड़ी दुनिया और बड़े डेटासेट को छोटी दुनिया और रोग-विशिष्ट डेटासेट के साथ जोड़ना और नैदानिक निर्णयों के लिए प्रासंगिक मार्करों की ओर बढ़ना था।”