הודעת IBM

אזורים במוח המציגים שינויים בעלי משמעות סטטיסטית בין חולי סכיזופרניה ובין נבדקים בריאים. כך, למשל, חץ 1 מצביע על איזור בקורטקס המוטורי, וחץ 5 מצביע על ה- precuneus, המעורב בעיבוד מידע חזותי.

IBM ואוניברסיטת אלברטה בעיר אדמונטון, קנדה, מפרסמות נתונים חדשים המצביעים על אפשרות השימוש באלגוריתמים של בינה מלאכותית ולמידת מכונה ככלי מסייע בחיזוי מקרים של סכיזופרניה, ברמת דיוק של 74%. תוצאות המחקר מתפרסמות במאמר מדעי בעתון Schizophrenia, השותף בקבוצת Nature. הניתוח הרטרוספקטיבי אף הראה כי הטכנולוגיה מסוגלת לחזות את רמת החומרה של סימפטומים מסויימים בחולי סכיזופרניה, תוך הצגת מתאם משמעותי על בסיס המתאם בין פעילות שנצפתה באזורים שונים של המוח. מחקר חלוצי זה מסייע אף בזיהוי סמנים ביולוגיים אובייקטיביים, בהם ניתן להבחין בתמונות הדמיה של המוח אשר ישמשו לחיזוי המחלה ומידת חומרתה.

במסגרת המחקר, ניתחו החוקרים תמונות הדמיית תהודה מגנטית פונקציונאלית (fMRI) של חולי סכיזורפניה ובעלי הפרעות האופייניות למחלה ושל קבוצת ביקורת בריאה. בדיקת fMRI מודדת את פעילות המוח באמצעות ניתוח השינויים בזרימת הדם באזורים מסויימים של המוח. החוקרים בחנו תמונות fMRI של 95 משתתפים במחקר, והפעילו טכניקות למידת מכונה על מנת לפתח מודל של סכיזופרניה המזהה את אותם קשרים במוח המזוהים ביותר עם המחלה.

תוצאות המחקר מעידות כי גם כאשר משתמשים בתמונות הדמיה רפואית שנאספו ממכונות fMRI שונות, באתרים שונים ובקבוצות אוכלוסיה שונות מסוגל אלגוריתם למידת המכונה להבחין בין חולי סכיזופרניה ובין קבוצת הביקורת בדיוק של 74%, תוך שימוש ברמת המתאם (קורלציה) בין פעילות באזורים השונים של המוח.

בנוסף, מעלה המחקר כי מבנה חיבור הרשת המוחית, כפי שהוא מזוהה בבדיקה, עשוי לסייע גם בקביעת רמת החומרה של סימפטומים מסויימים אותם מציג החולה, לרבות הפרעות ריכוז וקשב, התנהגות ביזארית, הפרעות חשיבה, דלות שפת הדיבור (alogia), והיעדר מוטיבציה. חיזוי חומרת הסימפטומים עשוי להוביל לאיפיון מדוייק יותר ברמה כמותית של סכיזופרניה: הבנת המחלה במושגים של ספקטרום חומרה, ולא במונחים בינאריים של קיום אבחנה או אי-אבחנה. גישה מונחית-נתונים לניתוח חומרת המחלה, עשויה לסייע לקלינאים בהגדרת תוכנית טיפול מותאמת לכל חולה.

לדברי ד”ר מיכל רוזן צבי (בתמונה) , דירקטור לחקר מידע רפואי במעבדות המחקר של IBM: ” השימוש בבינה מלאכותית ובלמידת מכונה בתחום הבריאות הולך וצובר תאוצה בעולם וגם בארץ. רמת הדיוק של למידת מכונה והיכולת להתמודד עם מסה אדירה של נתונים מחוללת מהפכה אדירה הן לטובת מערכות הבריאות והן למען המטופלים. אנו מקווים כי המחקר הנוכחי יתרום להצגת תובנות אודות דרכים בהן ניתן להשתמש בבינה מלאכותית ובלמידת מכונה לצורך אבחון וניתוח מצבם של חולים פסיכיאטריים וחולים עם הפרעות במערכת העצבים, על מנת לסייע לפסיכיאטרים באבחון ובטיפול”. רוזן צבי מוסיפה כי “תחום הפסיכיאטריה החישובית הופך למאוד משמעותי ובחלק מבתי ספר לרפואה באוניברסיטאות בישראל החלו להכליל אותו בתוכנית הלימודים”.

סכיזופרניה היא מחלה נוירולוגית כרונית קשה הפוגעת בשבעה עד שמונה מכל אלף בני אדם. חולי סכיזופרניה חווים הזיות, אשליות או הפרעות חשיבה יחד עם הפרעות קוגניטיביות כמו אי-יכולת להתמקד, והפרעות פיזיות כמו הפרעות בתנועה. החוקרים גילו מספר קשרים בלתי נורמאליים במוח, אותם ניתן לחקור בעתיד. המודלים שנוצרו באמצעות כלי בינה מלאכותית מקרבים את החוקרים למציאת דפוסי מבנה מוחי הניתנים לזיהוי אובייקטיבי בתמונות הדמיה, אשר יהוו סימן אבחון או חיזוי של מחלת הסכיזופרניה. ניתן למצוא את המאמר המלא בכתובת:

http://rdcu.be/r1Zy

Gheiratmand, M. et al. Learning stable and predictive network-based patterns of schizophrenia and its clinical symptoms. NPJ Schizophr 3, 22, doi:10.1038/s41537-017-0022-8 (2017).