طراحی مدلی برای پیش بینی مقیاس وضعیت ناتوانی گسترده در بیماران مبتلا به ام اس با استفاده از یادگیری عمیق
مولتیپل اسکلروزیس (MS) یک بیماری عصبی مزمن است که با گذر زمان منجر به گسترش ناتوانی در فرد مبتلا شده، کیفیت زندگی مبتلایان را به میزان چشمگیری کاهش می‌دهد. پیش‌بینی دقیق پیشرفت بیماری، به‌ویژه مقیاس وضعیت ناتوانی گسترده (EDSS)، برای شخصی‌سازی درمان و حفظ کیفیت زندگی بیماران بسیار حائز اهمیت است. با هدف ایجاد یک چارچوب شبکه عصبی عمیق قوی برای پیش‌بینی EDSS در بیماران ام‌اس با استفاده از اسکن MRI، دکتر رسول مهدوی فر خیاطی، دکتر ویدا حیاتی کبیر، دکتر علی مطیع نصرآبادی و سید مسعود نبوی طی پژوهشی مدلی طراحی کردند که هم تقسیم‌بندی ضایعه و هم طبقه‌بندی ناتوانی را با دقت و اطمینان بالا انجام می‌هد. درتقسیم‌بندی این مدل به ضریب تاس ۰.۸۷، شاخص جاکارد ۰.۷۹، حساسیت ۰.۸۵ و دقت ۰.۸۸ دست می‌یابد. در طبقه بندی، دقت کلی این مدل 91.2٪ است با دقت ۰.۸۹، فراخوانی ۰.۸۸، و امتیاز آن در F1 به 0.885 می‌رسد. نتایج این مطالعه که در مجله بین المللی Computers in Biology and Medicine منتشر شده است نشان داد، این مدل در مقایسه با سایر مدل‌های پیشرفته عملکرد بهتری داشته امتیازات بالاتری کسب می‌کند اما همچنان با چالش‌هایی نظیر کیفیت داده ها، اندازه نمونه و پیچیدگی‌های محاسباتی رو به رو است. به همین علت، تحقیقات آینده باید بر استانداردسازی پروتکل‌های تصویربرداری، ترکیب مجموعه داده‌های بزرگتر و متنوع تر، و بهینه‌سازی کارایی مدل تمرکز کند. این پژوهش با ارائه یک ارزیابی جامع از عملکرد مدل‌ها و پرداختن به محدودیت‌های کلیدی، به طور قابل توجهی به اصلاح استراتژی‌های درمان‌ام اس کمک می‌کند. پیش‌بینی دقیق ناتوانی مورد انتظار برای هر بیمار منجر به ممکن شدن درمان‌های شخصی‌سازی‌شده، خصوصاً در مداخلات اولیه می‌شود و بهبود وضعیت بیمار را ممکن می‌سازد؛ بنابراین کیفیت زندگی افراد مبتلا به ام‌اس به میزان قابل ملاحظه‌ای افزایش خواهد یافت.
تاریخ انتشار: ۱۴۰۳/۰۹/۱۱
