يعيش أكثر من 10 ملايين أوروبي مع ضعف إدراكي خفيف، ومن المتوقع أن يصاب نحو نصفهم بالخرف خلال خمس سنوات. ومع ذلك لا يزال الأطباء يفتقرون إلى وسيلة ميسورة التكلفة لمعرفة من هو الأكثر عرضة للخطر. وقد جمع مشروع AI-Mind الممول من الاتحاد الأوروبي بين تسجيلات تخطيط كهربية الدماغ (EEG) والمؤشرات الحيوية في الدم والتقييمات الإدراكية في نظام لدعم القرار يقوم على الذكاء الاصطناعي — وفي النهاية يمكنك اختبار مدى إلمامك بأهم تفاصيل القصة.
يقع الضعف الإدراكي الخفيف بين الشيخوخة الطبيعية والخرف. تتراجع الذاكرة أو التركيز أكثر مما يفسره العمر وحده، لكن الحياة اليومية تظل تسير بشكل طبيعي إلى حد ما. ويعيش مع هذه الحالة أكثر من 10 ملايين أوروبي.
تكمن المشكلة في أن هذه الفئة شديدة التباين. فنحو 50 % منهم سيتطور لديهم الخرف خلال خمس سنوات، بينما لن يحدث ذلك للباقين. ويفتقر الأطباء حاليًا إلى أدوات ميسورة التكلفة تحدد في وقت مبكر بما يكفي الأشخاص الأكثر عرضة للخطر، وهم الذين يمكن أن يستفيدوا من التدابير الوقائية.
بدلًا من الاعتماد على مؤشر حيوي واحد، تعاون مشروع AI-Mind الممول من الاتحاد الأوروبي مع مستشفيات ومراكز بحثية رائدة في إسبانيا وفنلندا وإيطاليا والنرويج لبناء قاعدة بيانات متعددة الوسائط. ويجمع نظام دعم القرار القائم على الذكاء الاصطناعي لديه بين:
يقول كل مصدر شيئًا مختلفًا عن المريض، ولذلك يقرأها النظام معًا.
الأداة الأولى، AI-Mind Connector، تحلل الترابط الدماغي انطلاقًا من تسجيلات EEG القياسية. والسؤال ليس ما إذا كان الدماغ نشطًا فحسب، بل كيف تتواصل مناطقه المختلفة مع بعضها.
«بفضل المعالجة المتقدمة للإشارات والذكاء الاصطناعي، يرصد ‹AI-Mind Connector› تغيّرات دقيقة في التواصل بين مناطق الدماغ قد تظهر قبل سنوات من ظهور الأعراض»، كما يوضح منسق المشروع إيرا هارالدسن (Ira Haraldsen) من مجموعة Cognitive Health Research في مستشفى جامعة أوسلو.
الأداة الثانية، AI-Mind Predictor، تجمع بيانات EEG مع نتائج الاختبارات الإدراكية والبيانات الجينية والمؤشرات الحيوية في الدم والمعلومات الديموغرافية والتاريخ السريري. وقد دُربت خوارزميات التعلم الآلي لديها على مجموعة أتراب طولية استشرافية من المصابين بضعف إدراكي خفيف: أكثر من 1 000 مشارك ونحو 4 000 زيارة سريرية. ومن هذه البيانات تتعلم النماذج علاقات معقدة مرتبطة بالنتائج السريرية المستقبلية.
وكانت النتائج مشجعة. «لقد أكملت مقاييس ترابط الشبكات الدماغية المؤشرات الحيوية الناشئة في الدم بشكل أفضل مما كان متوقعًا، ما يبشر بفرص لتصنيف المخاطر بدقة أكبر»، يقول هارالدسن. ويعني تصنيف المخاطر هنا ببساطة ترتيب المرضى بحسب احتمال تدهور حالتهم.
يجب أن تكون أداة الذكاء الاصطناعي الطبية قانونية بقدر ما هي دقيقة. وقد واءم الفريق عمله مع مبادئ اللائحة العامة لحماية البيانات ومعايير FAIR للبيانات ولائحة الأجهزة الطبية وقانون الذكاء الاصطناعي. ويضيف هارالدسن: «وهكذا نشأ أحد أول الأنظمة البيئية للذكاء الاصطناعي ذات التوجه السريري في أوروبا، صُمم منذ البداية مع مراعاة الجاهزية التنظيمية».
كما أعد الاتحاد إطارًا متاحًا للعموم لتقييم تقنيات الرعاية الصحية في مرحلة مبكرة. ويساعد هذا الإطار مقدمي الرعاية وصناع السياسات على الحكم بما إذا كانت التقنية الجديدة تحقق تحسنًا كافيًا يبرر تكلفتها.
إلى جانب الخوارزميات، أنشأ AI-Mind بنية تحتية قابلة لإعادة الاستخدام للبيانات الصحية متعددة الوسائط، والمعالجة الآلية لتسجيلات EEG، وتوليد البيانات الاصطناعية، وتطوير الذكاء الاصطناعي مع مراقبة الجودة، وخطوط البرمجيات المطابقة للأنظمة. وهذه الموارد تدعم بالفعل مبادرات أوروبية أخرى، منها eBrain-Health وFluiDX-AD وTEF-Health. وتعمل شركة ناشئة منبثقة مخصصة على الانتقال بهذا العمل نحو الاستخدام السريري والنشر التجاري.
يُظهر AI-Mind أن الكشف المبكر عن خطر الخرف يمكن أن يعتمد على اختبارات تستخدمها العيادات بالفعل، شرط الجمع بينها بذكاء. وإذا وصلت هذه الأدوات إلى الممارسة اليومية، فقد تنتقل الرعاية من تشخيص الأشخاص بعد ظهور الأعراض إلى الوقاية الدقيقة وتدخلات مصممة لكل مريض.
5 أسئلة · دقيقة واحدة
English
Čeština
Deutsch
Español
Français
Magyar
Italiano
Polski
Português
Русский
Slovenčina
Türkçe
Українська
العربية
中文