#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…🌱
