โรคหลอดเลือดสมอง ภาวะที่คุกคามชีวิตที่เกิดจากการจำกัดปริมาณเลือดไปเลี้ยงสมอง เป็นสาเหตุสำคัญของความพิการในระยะยาว ในยุโรป มีผู้ป่วยรายใหม่มากกว่า 1.5 ล้านรายในแต่ละปี โดยมีผู้ป่วยน้อยกว่า 15% ที่หายเป็นปกติ ความท้าทายที่สำคัญในการฟื้นฟูโรคหลอดเลือดสมองคือการฟื้นตัวที่แตกต่างกันอย่างมากระหว่างผู้ป่วย: ประมาณสองในสามของผู้ป่วยโรคหลอดเลือดสมองฟื้นตัว
ตามธรรมชาติ
จากความบกพร่องในขั้นแรก ส่วนที่เหลือไม่ วิกฤตการณ์ การฟื้นตัวตามธรรมชาติเป็นตัวแปรโดยเฉพาะอย่างยิ่งในผู้ป่วยที่มีความบกพร่องอย่างรุนแรง ความสามารถในการคาดการณ์การฟื้นตัวที่เป็นไปได้ของแต่ละบุคคลสามารถช่วยให้แพทย์เลือกการรักษาเฉพาะบุคคลและเพิ่มผลการรักษาสูงสุด
โดยเฉพาะอย่างยิ่งสำหรับผู้ที่มีความบกพร่องทางร่างกายอย่างรุนแรง ด้วยจุดมุ่งหมายนี้ ทีมวิจัยนานาชาติที่สถาบันเทคโนโลยีแห่งสหพันธรัฐสวิส (EPFL) ได้พัฒนาระบบแมชชีนเลิร์นนิงที่คาดการณ์ผลลัพธ์การฟื้นตัวของผู้ป่วยโรคหลอดเลือดสมองได้อย่างแม่นยำสูง “กุญแจสำคัญคือการหากลยุทธ์
การฟื้นฟูระบบประสาทที่เหมาะสมที่สุดเพื่อเพิ่มผลการรักษาของแต่ละคน” จาก EPFL อธิบาย ในแถลงการณ์ “เครื่องมือนี้สามารถรองรับการคาดการณ์หลักสูตรการฟื้นตัวของแต่ละบุคคลตั้งแต่เนิ่นๆ และจะมีผลกระทบที่สำคัญต่อการจัดการทางคลินิก การวิจัยเชิงแปล และทางเลือกการรักษา”
การคาดการณ์ส่วนบุคคล และผู้ทำงานร่วมกันได้พัฒนาเครื่องมือทำนายโดยอิงจากการวิเคราะห์การเชื่อมต่อ ซึ่งเป็นแผนที่การเดินสายของสมองทั้งหมดที่สร้างจากภาพ MR หลายภาพ เป้าหมายของพวกเขาคือการใช้ข้อมูลจากการเชื่อมต่อโครงสร้างสมองทั้งหมดเป็นปัจจัยในการพยากรณ์โรคที่เป็นไปได้
เพื่อกำหนดผลลัพธ์ของแต่ละบุคคลหลังจากเกิดโรคหลอดเลือดสมอง (การฟื้นตัวเทียบกับการไม่ฟื้นตัว) โดยใช้วิธีการเรียนรู้ด้วยเครื่องตามเครื่องเวกเตอร์สนับสนุน (SVM) ในการฝึกแบบจำลองการทำนาย นักวิจัยได้วิเคราะห์การเชื่อมต่อโครงสร้างสมองทั้งหมดของผู้ป่วย 63 รายหลังจาก
เริ่มมีอาการ
ของหลอดเลือดสมองเป็นเวลา 2 สัปดาห์ ในขณะเดียวกันก็ประเมินความบกพร่องทางการเคลื่อนไหวของผู้ป่วย ภายในชุดข้อมูลนี้ 39.7% ของผู้ป่วยไม่แสดงการฟื้นตัวตามธรรมชาติ ในกลุ่มย่อยที่มีความบกพร่องทางการเคลื่อนไหวอย่างรุนแรง 63.9% ไม่ฟื้นตัวตามธรรมชาติ
ทีมยังได้ติดตามการเปลี่ยนแปลงการเชื่อมต่อในสมองของผู้ป่วยภายในสามเดือนต่อมา ได้รับการฝึกให้แยกผู้ป่วยที่ฟื้นตัวตามธรรมชาติออกจากผู้ที่ไม่ฟื้นตัว จากนั้น ได้กำหนดรูปแบบเครือข่ายสมองพื้นฐานสำหรับผู้ป่วยแต่ละรายเพื่อคาดการณ์เกี่ยวกับศักยภาพในการฟื้นตัว โดยเน้นเฉพาะในผู้ที่บกพร่อง
ทางร่างกายอย่างรุนแรงการตรวจสอบความถูกต้องภายในของแบบจำลองการทำนายพบว่าคุณลักษณะที่สกัดจากคอนเนกโตมสองสัปดาห์หลังจากเกิดโรคหลอดเลือดสมองสามารถแยกผู้ป่วยที่ฟื้นตัวจากผู้ที่ไม่มี การตรวจสอบความถูกต้องภายในของแบบจำลองแสดงให้เห็นถึงประสิทธิภาพการจำแนกประเภท
นักวิจัย
ตรวจสอบผลลัพธ์เพิ่มเติมในชุดข้อมูลอิสระที่มีขนาดเล็กลง ที่นี่ การจำแนกประเภทในทุกวิชา รวมถึงผู้ป่วยที่มีความบกพร่องรุนแรง ได้รับความแม่นยำสูงเช่นกัน อย่างไรก็ตาม พวกเขาทราบว่าควรพิจารณาผลลัพธ์เหล่านี้ด้วยความระมัดระวัง เนื่องจากตัวอย่างข้อมูลการตรวจสอบความถูกต้องภายนอก
มีขนาดเล็ก พื้นที่ที่มีความสำคัญทีมยังใช้การเชื่อมต่อของสมองทั้งหมดเพื่อระบุพื้นที่สมองที่เกี่ยวข้องและการเชื่อมต่อที่อาจสนับสนุนหรือขัดขวางการฟื้นตัวของมอเตอร์ โดยกำหนดโหนดเครือข่ายที่มีความสำคัญเป็นพิเศษสำหรับการฟื้นฟูในผู้ป่วยที่มีความบกพร่องอย่างรุนแรง พื้นที่สมองที่ระบุมีแนวโน้ม
ที่จะสนับสนุนกระบวนการของการฟื้นฟูทางชีวภาพตามธรรมชาติของการทำงานของมอเตอร์ และอาจมีอิทธิพลต่อการออกแบบวิธีการรักษาแบบใหม่ การแยกคุณสมบัติเผยให้เห็นว่าการเชื่อมต่อภายในเครือข่ายมอเตอร์ส่วนหน้าส่วนหน้าหลักนั้นมีความสำคัญอย่างยิ่งต่อผลลัพธ์ที่น่าพอใจ
โดยพื้นที่มอเตอร์ส่วนรองมีความสำคัญเป็นพิเศษในผู้ป่วยที่มีความบกพร่องในระยะเริ่มแรกอย่างรุนแรง นอกจากนี้ ระบบการทำงาน เช่น พื้นที่การตั้งใจ การรับความรู้สึกทางร่างกาย หรือหลายรูปแบบ มีส่วนช่วยในการกู้คืนการทำงานของมอเตอร์อย่างชัดเจนและปรับปรุงการจำแนกประเภท
นักวิจัยซึ่งรายงานการค้นพบของพวกเขาในBrainสรุปได้ว่าการวิเคราะห์ทางคอมพิวเตอร์ของการเชื่อมต่อของสมองทั้งหมดมีศักยภาพสูงในการทำนายระดับของผู้ป่วยและการฟื้นตัวในระยะแรกหลังจากเกิดโรคหลอดเลือดสมอง ตั้งข้อสังเกตว่าสำหรับการใช้งานทางคลินิกตามปกติ
เครื่องมือทำนายจะต้องมีการพัฒนาเพิ่มเติมและควรเป็นอัตโนมัติ“ขั้นตอนต่อไปที่เรากำลังวางแผนคือการประเมินแนวทางนี้เพิ่มเติมในชุดข้อมูลอื่นๆ และพัฒนาแนวทางการวิเคราะห์ไปสู่การประยุกต์ใช้ที่ง่ายขึ้นสำหรับการใช้งานทางคลินิกโดยตรง” เขากล่าวนอกจากนี้ เรายังคงวิเคราะห์การเชื่อมต่อเชิง
โครงสร้างและการทำงานและผลกระทบต่อการฟื้นตัวของหลอดเลือดสมองเพื่อใช้ข้อมูลนี้ในกลยุทธ์การรักษาเฉพาะบุคคล” ที่สูง โดยมีความแม่นยำในการทำนายถึง 83% สำหรับผู้ป่วยทุกราย ที่สำคัญ ความแม่นยำในการจำแนกประเภทยังสูงขึ้นถึง 92% ในกลุ่มผู้ป่วยที่มีความบกพร่องรุนแรงที่คาดการณ์ได้ยาก
ที่นำเสนอที่ความยาวคลื่นที่มองเห็นและอินฟราเรด อย่างไรก็ตาม มีเมฆสองสามก้อนบนขอบฟ้าสำหรับการวิจัย FEL ในอดีต การวิจัยดังกล่าวส่วนใหญ่เกิดขึ้นในมหาวิทยาลัยขนาดเล็กและขนาดกลางและห้องปฏิบัติการของรัฐบาลในสหรัฐอเมริกา ยุโรป และเอเชีย การเปลี่ยนไปใช้ห้องทดลองระดับชาติขนาดใหญ่เมื่อเร็วๆ นี้นำมาซึ่งความก้าวหน้าทางวิทยาศาสตร์มากมาย
