به گزارش ایمینو به نقل از مدیکال اکسپرس، دشواری خواب، آپنه خواب و نارکولپسی از جمله طیف وسیعی از اختلالات خواب هستند. در مطالعه‌ای جدید، محققان گروه علوم کامپیوتر دانشگاه کپنهاگ با مرکز پزشکی خواب دانمارک در بیمارستان Rigshospitalet دانمارک همکاری کرده‌اند تا یک الگوریتم هوش مصنوعی ایجاد کنند که می‌تواند تشخیص‌ها، درمان‌ها و درک کلی ما از اختلالات خواب را بهبود بخشد.
دکتر ماتیاس پرسلوف در این باره می‌گوید این الگوریتم فوق‌العاده دقیق است. ما آزمایش‌های مختلفی را انجام دادیم که عملکرد آن با بهترین پزشکان این رشته در سراسر جهان رقابت می‌کرد.
معاینات اختلال خواب معمولا با بستری شدن در یک کلینیک خواب آغاز می‌شود. در اینجا خواب شبانه فرد با استفاده از ابزار اندازه گیری مختلف کنترل شده و سپس یک متخصص اختلالات خواب ۷-۸ ساعت اندازه گیری از خواب شبانه بیمار را بررسی می‌کند.
پزشک به صورت دستی این ۷-۸ ساعت خواب را به فواصل ۳۰ ثانیه‌ای تقسیم می‌کند، همه این مراحل باید در مراحل مختلف خواب طبقه بندی شود، مانند خواب REM (حرکت سریع چشم)، خواب سبک، خواب عمیق و. ..
پول ژننوم، استاد نوروفیزیولوژ و رئیس مرکز پزشکی خواب دانمارک توضیح می‌دهد: این پروژه به ما اجازه داده است تا ثابت کنیم این اندازه گیری‌ها با استفاده از یادگیری ماشینی می‌تواند بسیار مطمئن انجام شود که این امر از اهمیت بسیاری برخوردار است.
تنها در منطقه پایتخت دانمارک، بیش از ۴۰۰۰ آزمایش پلی سومنوگرافی، معروف به PSG یا مطالعات خواب، سالانه بر روی بیماران مبتلا به آپنه خواب و اختلالات پیچیده خواب انجام می‌شود. ۱.۵ تا ۳ ساعت طول می‌کشد تا پزشک یک مطالعه PSG را تجزیه و تحلیل کند، بنابراین فقط در منطقه پایتخت دانمارک می‌توان با به کارگیری الگوریتم جدید، بین ۶۰۰۰ تا ۱۲۰۰۰ ساعت پزشکی آزاد کرد.
با جمع آوری داده‌ها از منابع مختلف محققان پشت این الگوریتم توانسته‌اند از عملکرد بهینه اطمینان حاصل کنند. در کل بیست هزار مورد اختلالات خواب از آمریکا و بسیاری از کشورهای اروپایی جمع آوری شده و برای آموزش الگوریتم مورد استفاده قرار گرفته است.
ماتیاس پرسلف و کریستین ایگل که پروژه را از سمت علوم کامپیوتر هدایت می‌کنند، توضیح می‌دهند: ما داده‌های خواب را از سراسر قاره‌ها، کلینیک‌های خواب و گروه‌های بیمار جمع آوری کرده‌ایم. این واقعیت که الگوریتم در چنین شرایط متنوعی به خوبی کار می‌کند، یک موفقیت بزرگ است. دستیابی به این نوع تعمیم یکی از بزرگترین چالش‌ها در تجزیه و تحلیل داده‌های پزشکی است.
آن‌ها امیدوارند که این الگوریتم بتواند به پزشکان و محققان در سراسر جهان کمک کند تا در آینده درباره اختلالات خواب بیشتر بدانند.
ماتیاس پرسلف می‌گوید: فقط چند اندازه گیری انجام شده توسط ابزارهای بالینی رایج برای این الگوریتم مورد نیاز است. بنابراین استفاده از این نرم افزار می‌تواند به ویژه در کشورهای در حال توسعه که ممکن است فرد به جدیدترین تجهیزات یا یک متخصص دسترسی نداشته باشد، مهم باشد.
محققان اکنون با پزشکان دانمارکی در حال کار هستند تا نرم افزار و الگوریتم مورد استفاده برای استفاده بالینی را تایید کنند.
