دانشمندان در آمریکا با ترکیبی از کاشت الکترود و تجزیه و تحلیل مبتنی بر هوش مصنوعی موفق شدند برخی تغییرات مربوط به فعالیت مغزی در زمینه بهبود افسردگی را شناسایی کنند. این دستاورد به محققان کمک می‌کند تا مسیرهای بهتری برای بهبود افسردگی پیشنهاد بدهند و رویکردهای موفق‌تری را برای درمان این بیماری در پیش بگیرند.
محققان از یک ایمپلنت برای نظارت بر الگوها و سیگنال‌های مغز استفاده می‌کنند. آن‌ها در مطالعه‌ای جدید توانستند برخی تغییرات مربوط به سیگنال‌های مغزی مرتبط با سطوح مختلف افسردگی را با کمک یک سیستم مبتنی بر هوش مصنوعی پایش کنند.
در مطالعه انجام شده، ۱۰ بیمار مبتلا به افسردگی که در مقابل درمان مقاومت کرده بودند، در یک دوره شش ماهه درمان «تحریک عمیق مغز» (DBS) شرکت کردند. نتایج روش جدید با نتایج قبلی متفاوت بود و نشان می‌داد که استفاده از هوش مصنوعی برای محققان دستاورد خوبی به‌همراه داشته است.
دستاورد دیگری از هوش مصنوعی: شناسایی نشانگر زیستی مرتبط با بهبود افسردگی
دانشمندان در ایالات متحده، با ترکیبی از کاشت الکترود و تجزیه و تحلیل مبتنی بر هوش مصنوعی موفق شدند برخی تغییرات و الگوهای فعالیت مغزی ناشی از درمان تحریک عمیق مغز یا DBS را مورد بررسی قرار دهند.
تیمی از محققان مؤسسه فناوری جورجیا، دانشکده پزشکی دانشگاه اموری و دانشکده پزشکی ایکان در کوه سینا توانستند سیگنالی را در مغز شناسایی کنند که می‌تواند به‌عنوان نشانگر زیستی مرتبط با بهبود افسردگی مورد استفاده قرار گیرد. این سیگنال برای درمان‌های DBS بسیار کارایی دارد. در واقع محققان موفق شدند با اسکن مغزی و سیستم‌های مبتنی بر هوش مصنوعی، نشانگر زیستی مرتبط با بهبود افسردگی را شناسایی کنند.
«هلن مایبرگ»، متخصص مغز و اعصاب از دانشکده پزشکی ایکان در کوه سینا می‌گوید: «از هر 10 بیمار در این مطالعه، 9 بیمار بهتر شدند و فرصتی برای استفاده از فناوری جدید برای ردیابی مسیر بهبودی آن‌ها فراهم شد. هدف ما شناسایی یک سیگنال عصبی بود که به پزشکان کمک کند تصمیم بگیرند چه زمانی از روش درمانی DBS استفاده کنند.»
نتیجه این تحقیق در نشریه Nature منتشر شده است.