صرع شایع ترین بیماری مزمن مغزی است که میلیون‌ها نفر را در سراسر جهان تحت تاثیر قرار می دهد. این بیماری میتواند افراد در هر سنیمبتلا کند و برای برخی، درمان نه تنها عوارض جانبی بدی ایجاد می کند، بلکه از بروز تشنج جلوگیری نمی‌کند.
یک رویکرد سنتی برای تشخیص و ارزیابی درمان صرع شامل استفاده از نظارت مداوم ویدئویی الکتروانسفالوگرام (EEG) طی روزها یا هفته‌ها است. اما با توجه به پیچیدگی و تنوع شرایط و این واقعیت که برخی از تشنج ها در EEG ظاهر نمی‌شوند، همیشه کارا نیست. علاوه بر این، یک متخصص مراقبت‌های بهداشتی باید ساعت‌ها ضبط ویدئو-EEG را مشاهده و تجزیه و تحلیل کند و بر توانایی خود برای مشاهده تغییرات رفتاری اغلب خفیف تکیه کند.
اما حالا، محققان از فناوری هوش مصنوعی به نام MoSeq (یا توالی حرکت) برای تجزیه و تحلیل رفتار موش‌های مبتلا به صرع استفاده کرده‌اند و به اصطلاح «اثرانگشت» یا رد پاهای رفتاری را شناسایی کرده‌اند که در حالت عادی توسط چشم انسان نادیده گرفته شود.
MoSeq یک فناوری یادگیری ماشینی برای شناسایی الگوهای رفتاری مکرر است.
با استفاده از MoSeq ویدئوهای سه بعدی موش‌ها تحلیل شدند، محققان توانستند موقعیت موش‌ها را پیدا کرده، ردیابی و کمی‌سازی کنند. آنها دریافتند که این فناوری بهتر میتواند بین موش های صرعی و غیرصرعی تمایز قائل شود و از ناظران انسانی آموزش دیده بهتر عمل کند. علاوه بر این، بر خلاف روش‌های سنتی، تنها به یک ساعت فیلم‌برداری نیاز داشت و قبل از ارائه آنالیز نیازی به تشنج نداشت.
در ضمن محققان توانستند از هوش مصنوعی برای تمایز بین الگوهای رفتاری در موش‌ها پس از دریافت یکی از سه داروی ضد صرع استفاده کنند.
استفاده موفقیت‌آمیز از فناوری یادگیری ماشینی، پتانسیل آن را برای استفاده در انسان نشان می‌دهد تا راهی سریع‌تر، کم‌مصرف، کم‌هزینه‌تر و عینی‌تر برای تشخیص صرع و اثربخشی داروهای ضد صرع در آینده باشد.
این مطالعه در مجله Neuron منتشر شده است.
