menu
close

AI மாதிரிகள் MRI ஸ்கான்களில் இருந்து மூளை ஆரோக்கியத்தை கணிக்கின்றன

Nature Communications இதழில் வெளியான ஒரு புரட்சிகரமான ஆய்வு, செயற்கை நுண்ணறிவு MRI தரவுகளிலிருந்து மூளையின் வயதை துல்லியமாக கணிக்க முடியும் என்பதை வெளிப்படுத்துகிறது. இது நியூரோடிஜெனரேட்டிவ் நிலைகளின் ஆரம்ப கண்டுபிடிப்பில் புரட்சி செய்யும் வாய்ப்பு உள்ளது. ஆராய்ச்சியாளர்கள், கணிக்கப்பட்ட மூளை வயது மற்றும் உண்மையான வயதுக்கிடையிலான வித்தியாசங்களை கண்டறியும் dip neural network-களை பயிற்சி செய்து, மூளை ஆரோக்கிய மதிப்பீட்டுக்கான முக்கியமான பயோமார்கரை உருவாக்கினர். இந்த தொழில்நுட்பம், அல்சைமர்ஸ் போன்ற நோய்களுக்கு அறிகுறிகள் தோன்றும் முன்பே துரிதமான தலையீடுகளை செய்ய உதவலாம்.
AI மாதிரிகள் MRI ஸ்கான்களில் இருந்து மூளை ஆரோக்கியத்தை கணிக்கின்றன

2025 ஜூலை 5ஆம் தேதி Nature Communications இதழில் வெளியான ஆய்வின்படி, விஞ்ஞானிகள் சாதாரண MRI ஸ்கான்களை பயன்படுத்தி, மூளையின் வயதை மிகத் துல்லியமாக கணிக்கக்கூடிய மேம்பட்ட செயற்கை நுண்ணறிவு மாதிரிகளை உருவாக்கியுள்ளனர்.

இந்த ஆய்வு, குறிப்பாக convolutional neural network (CNN) எனப்படும் dip learning அல்காரிதம்கள், மூளையின் கட்டமைப்பு MRI தரவுகளை பகுப்பாய்வு செய்து, ஒருவரின் உயிரியல் மூளை வயதை கணிக்க முடியும் என்பதை நிரூபிக்கிறது. முன்பு பயன்படுத்தப்பட்ட அணுகுமுறைகளில் முன்கூட்டியே தேர்ந்தெடுக்கப்பட்ட அம்சங்கள் மட்டுமே பயன்படுத்தப்பட்டன; ஆனால், இந்த AI மாதிரிகள் நேரடியாக கச்சா MRI தரவுகளிலிருந்து கற்றுக்கொள்கின்றன, அதனால் பொதுவாக கவனிக்கப்படாத நுண்ணிய வடிவங்களை கண்டறிய முடிகிறது.

AI கணித்த மூளை வயதும், உண்மையான வயதும் இடையிலான வித்தியாசம் (brain age gap - BAG அல்லது predicted age difference - PAD) ஒரு சக்திவாய்ந்த பயோமார்கராக செயல்படுகிறது. கணிக்கப்பட்ட வயது உண்மையான வயதைவிட அதிகமாக இருந்தால், அது நினைவாற்றல் குறைபாடு, நியூரோடிஜெனரேட்டிவ் நோய்கள் அபாயம், உடல் மற்றும் மன ஆரோக்கிய குறைபாடுகள் ஆகியவற்றுடன் தொடர்புடையதாக கண்டறியப்பட்டுள்ளது.

"மூளை வயது வித்தியாசம், சாதாரண வயதான முறையிலிருந்து விலகலை அளவிடுவதன் மூலம், ஒருவரின் மூளை ஆரோக்கியத்தை அளவிடும் ஒரு வழியை வழங்குகிறது," என தலைமை ஆராய்ச்சியாளர் விளக்குகிறார். "இது அல்சைமர்ஸ், பார்கின்சன்ஸ் போன்ற நோய்களுக்கு அறிகுறிகள் தோன்றும் முன்பே அபாயத்தில் உள்ளவர்களை அடையாளம் காண உதவலாம்."

ஆராய்ச்சி குழு, ஆயிரக்கணக்கான ஆரோக்கியமான நபர்களின் மூளை ஸ்கான்களில் இந்த மாதிரிகளை பயிற்சி செய்து, பிற datasets-ல் சுயாதீனமாக சோதனை செய்தனர். இந்த மாதிரிகள், சராசரி 4-5 ஆண்டுகள் தவறுகளுடன் மிகச்சிறந்த துல்லியத்தை பெற்றன. முக்கியமாக, வெவ்வேறு ஸ்கேனிங் கருவிகள் மற்றும் முறைகளிலும் இந்த தொழில்நுட்பம் நம்பகத்தன்மையை நிரூபித்தது.

இந்த முன்னேற்றம், தனிப்பட்ட மூளை ஆரோக்கிய கண்காணிப்புக்கான ஒரு முக்கிய படியாகும். உலக மக்கள் தொகை முதிர்ந்து வருவதால், இத்தகைய கருவிகள் ஆரம்ப தலையீடுகளுக்குப் பெரிதும் உதவக்கூடும்; அதனால், மாற்ற முடியாத நியூரோடிஜெனரேஷன் ஏற்படும் முன்பே மருத்துவர்கள் தடுப்பு நடவடிக்கைகளை எடுக்க முடியும். ஆராய்ச்சியாளர்கள், க்ளினிக்கல் சூழலில் இந்த தொழில்நுட்பத்தின் பயன்பாடுகளை ஏற்கனவே ஆராய ஆரம்பித்து விட்டனர்; நினைவாற்றல் குறைபாடுகளை கணிக்க முதற்கட்டமாக நல்ல முடிவுகள் கிடைத்துள்ளன.

Source:

Latest News