كيف يساعد الذكاء الاصطناعي في تشخيص الخَرَف؟

    كيف يساعد الذكاء الاصطناعي في تشخيص الخَرَف؟

    يُحْدِث الذكاء الاصطناعي تحولاً في طرق تشخيص الخَرَف. فقد طوّر خبراء الذكاء الاصطناعي في مايو كلينك نهجًا يركّز على اكتشاف أنماط في نشاط الدماغ قد يصعُب على العين البشرية تمييزها. إذ تستطيع أدوات الذكاء الاصطناعي تحليل صور الدماغ ومقارنتها بقواعد بيانات ضخمة للكشف عن أنماط ترتبط بأنواع محددة من الخَرَف. وقد تؤدي هذه العملية إلى الاكتشاف المبكر للمرض وتسريع عملية التشخيص وزيادة دقتها، حتى لدى المرضى الذين لا تتوفر لهم خدمات المراكز الطبية المتخصصة وخبراء الخَرَف.

    وقد اختبرت دراسة حديثة أداةً تعتمد على الذكاء الاصطناعي تُسمّى StateViewer طوّرها باحثو مايو كلينك للمساعدة في تشخيص الخَرَف. وتحلل هذه الأداة نوعًا من فحوص الدماغ يُعرف باسم التصوير المقطعي بالإصدار البوزيتروني باستخدام الفلوروديوكسي غلوكوز، وهو فحص يُظهِر كيفية استخدام أجزاء مختلفة من الدماغ للسكر (الغلوكوز) كمصدر للطاقة. غالبًا تستهلك مناطق الدماغ المتأثرة بالخَرَف كمية أقل من السكر. ويُظهر هذا الفحص المناطق التي يقل فيها استهلاك الدماغ للسكر، ما يساعد في تحديد نوع الخَرَف المسبِّب للأعراض. فعلى سبيل المثال، إذا أظهر الفحص انخفاضًا في استهلاك السكر في مناطق الدماغ المسؤولة عن حل المشكلات والذاكرة، فقد يكون ذلك مؤشرًا على داء الزهايمر.

    تُقارِن أداة StateViewer نتائج الفحص بقاعدة بيانات ضخمة تضم أكثر من 3600 فحص بالتصوير المقطعي بالإصدار البوزيتروني لأشخاص جرى تشخيصهم سابقًا بأنواع مختلفة من الخَرَف. ومن خلال تحديد أنماط نشاط الدماغ واستهلاك الغلوكوز، تُسهِم الأداة في التمييز بين الأنواع المختلفة للخَرَف.

    وأظهرت نتائج الدراسة أن StateViewer حدّدت نوع الخَرَف بشكل صحيح في 88% من الحالات. كما ساعدت الأطباء في الوصول إلى التشخيص بشكل أسرع مقارنةً بالطرق التقليدية. وهذه الأداة مفيدة بشكل خاص في التمييز بين أنواع الخَرَف التي قد تتشابه أعراضها، مثل خَرَف أجسام ليوي والضمور القشري الخلفي.

    وتبحث الأداة عن أنماط في نشاط الدماغ وتُنشئ خريطة دماغية مُرَمَّزَة بالألوان توفر صورة مرئية للمناطق المصابة في الدماغ. ويمكن لاختصاصيي الرعاية الصحية الذين يراجعون الفحوصات استخدام هذه الصور للمساعدة في تشخيص أنواع الخرف.

    صُممت أدوات الذكاء الاصطناعي مثل StateViewer لتكون داعمة لعملية اتخاذ القرار السريري، وليست بديلاً عنها. وذلك لأنها توفّر وسيلة منهجية تتسم بالسرعة في التعامل مع المعلومات المعقّدة، وتزوّد اختصاصيي الرعاية الصحية بأدوات إضافية للوصول إلى تشخيص أدق.

    وتتمثل الخطوات التالية في تحديد ما إذا كانت أدوات الذكاء الاصطناعي قادرة على المساعدة في اكتشاف الخَرَف في مراحل مبكرة عما هو معتاد، والمساهمة في وضع الخطط العلاجية، وتوفير الدعم المتخصص على مستوى التشخيص لمزيد من المؤسسات المعنية بالرعاية الصحية، بما في ذلك تلك التي تفتقر إلى اختصاصيي الخَرَف.

    1. Barnard L, et al. An FDG-PET-based machine learning framework to support neurologic decision-making in Alzheimer disease and related disorders. Neurology. 2025; doi:10.1212/WNL.0000000000213831.
    2. Angelucci F, et al. Integrating AI in fighting advancing Alzheimer: Diagnosis, prevention, treatment, monitoring, mechanisms, and clinical trials. Current Opinion in Structural Biology. 2024; doi:10.1016/j.sbi.2024.102857.
    3. Earlier diagnosis. Alzheimer's Association. https://www.alz.org/alzheimers-dementia/research-and-progress/earlier-diagnosis. Accessed July 14, 2025.

    FAQ-20585805


    عطاؤك له أثر كبير — تبرَّع الآن!

    تساهم التبرّعات، وهي قابلة للخصم الضريبي، في دعم آخر التطورات في الأبحاث وطرق الرعاية لإحداث نقلة نوعية في الطب.