ارائه یک درمان جدید برای بهبود حرکت و خواب در بیماران مبتلا به پارکینسون!

متخصصان مراقبت‌های بهداشتی همواره به دنبال راهی کارآمد برای درمان پارکینسون و کاهش علائم آن در بیماران بوده‌اند. اکنون در یک مطالعه جدید، محققان دانشگاه کالیفرنیا، سانفرانسیسکو (UCSF) به عنوان بخشی از برنامه‌ی ابتکاری The BRAIN Initiative در مؤسسه ملی بهداشت (NIH)، درمانی جدید به نام تحریک عمیق مغزی تطبیقی (aDBS) برای بیماری پارکینسون ارائه کرده‌اند.

در این درمان، از یک دستگاه قرار گرفته در بدن استفاده شده که توسط فعالیت مغز بیمار هدایت می‌شود. این رویکرد می‌تواند روشی پایدار و پیشرفته برای درمان مبتلایان به بیماری پارکینسون (PD) ارائه دهد.

سیستم حلقه بسته برای درمان بیماری پارکینسون

تحریک عمیق مغزی تطبیقی که با عنوان سیستم حلقه بسته نیز شناخته می‌شود، تلاش می‌کند تا یک تکنیک موجود که برای درمان بیماری پارکینسون و سایر اختلالات مغزی استفاده می‌شود را بهبود بخشد.

طبق این مطالعه، تحریک عمیق مغزی تطبیقی در کنترل علائم بیماری پارکینسون در مقایسه با درمان‌های مرسوم تحریک عمیق مغزی (DBS) به‌طور قابل‌توجهی موثرتر بوده است.

مگان فرانکوفسکی، دکترای تخصصی و مدیر برنامه تحقیقات مغزی مؤسسه ملی بهداشت از طریق ابتکار فناوری عصبی نوآورانه موسوم به The BRAIN Initiative، اظهار داشت:

این مطالعه گامی بزرگ به سوی توسعه یک سیستم تحریک عمیق مغزی است که با نیازهای خاص بیمار در هر زمان خاص تطبیق پیدا می‌کند.

تحریک عمیق مغزی تطبیقی با کنترل علائم باقی‌مانده، بدون تشدید علائم دیگر، این پتانسیل را دارد که کیفیت زندگی برخی از افراد مبتلا به پارکینسون را بهبود بخشد.

به‌عبارت ساده، این تکنیک از یک دستگاه استفاده می‌کند که در بدن قرار می‌گیرد و با توجه به فعالیت مغز تنظیم می‌شود و درمانی مداوم و شخصی‌سازی‌شده ارائه می‌دهد که علائم را به‌طور موثرتری نسبت به تحریک عمیق مغزی معمولی بهبود می‌بخشد.

در این مطالعه، ابتدا چهار بیمار درمان مرسوم تحریک عمیق مغزی را دریافت کردند و سپس تحت درمان تحریک عمیق مغزی تطبیقی همراه با تحریک عمیق مغزی قرار گرفتند.

هوش مصنوعی امکان تنظیم بدون وقفه‌ی این دستگاه را فراهم می‌کند!

دانشمندان از هوش مصنوعی (AI) برای آموزش مدل تحریک عمیق مغزی تطبیقی استفاده کردند. این مدل که عمدتاً زیرمجموعه‌ای از هوش مصنوعی است، به تجزیه‌ و تحلیل و یادگیری از الگوهای فعالیت مغزی شرکت‌کنندگان کمک می‌کند.

این الگوریتم به دستگاه تحریک عمیق مغزی تطبیقی اجازه می‌دهد تا سیگنال‌های مغزی مرتبط با علائم پارکینسون را شناسایی کرده و سطح تحریک الکتریکی را در زمان واقعی کالیبره کند. این کالیبراسیون بدون وقفه به دانشمندان امکان می‌دهد تا علائم پارکینسون را بهتر مدیریت کنند.

هوش مصنوعی با پالایش مداوم پاسخ‌ها بر اساس داده‌های دریافتی از مغز، از یک رویکرد سفارشی برای نیازهای بیمار اطمینان استفاده می‌کند. این رویکرد، قابلیت تحریک عمیق مغزی تطبیقی را از تحریک عمیق مغزی سنتی متمایز می‌کند که به‌طور خودکار بر اساس فعالیت مغز در زمان واقعی (آنلاین) تنظیم نمی‌شود.

در مطالعه‌ای که بر روی شرکت‌کنندگان انجام شد، به نظر می‌رسید که درمان تحریک عمیق مغزی تطبیقی در مقایسه با درمان مرسوم تحریک عمیق مغزی، علائم پایدار هر شرکت‌کننده را تا حدود 50 درصد بهبود داده است.

طبق گفته دانشمندان، در یک مطالعه قبلی توانایی این درمان برای ثبت فعالیت مغزی در افراد در حین انجام کارهای روزمره خود شرح داده شده بود. با این حال، برای اطمینان از تناسب درمان شخصی‌سازی‌شده برای افرادی که از پارکینسون رنج می‌برند، هنوز نیاز به تنظیمات دقیق‌تر پیش از افزایش مقیاس دستگاه وجود دارد.

فرانکوفسکی بیان کرد:

یکی از مشکلات بزرگی که تحریک عمیق مغزی با آن مواجه است، حتی در موارد تایید شده مانند پارکینسون، مسئله دسترسی است؛ هم برای بیماران از نظر مکانی که می‌توانند آن را دریافت کنند و هم برای پزشکانی که نیاز به آموزش خاصی برای برنامه‌ریزی این دستگاه‌ها دارند.

او ادامه داد:

اگر راهی برای یافتن تنظیمات بهینه با فشردن یک دکمه وجود داشته باشد، دسترسی به این درمان برای افراد بیشتری افزایش می‌یابد.

این مطالعه قبلاً در ژورنال Nature Medicine منتشر شده است.

منبع: Interesting engineering