• یک الگوریتم جدید یادگیری ماشین (ML) از هوش مصنوعی (AI) و Emotiv EEG برای محاسبه سن مغز افراد استفاده می‌کند.

• تغییرات در EEG حالت استراحت فرد می‌تواند علائم اولیه بیماری‌های تحلیل‌برنده عصبی مانند آلزایمر را نشان دهد.

• یافته‌های این پژوهش که در Frontiers in Neuroergonomics منتشر شده است، رویکردی پیشگیرانه برای غربالگری سلامت مغز ارائه می‌دهد.

پژوهشگران روش جدیدی را برای محاسبه تفاوت بین سن تقویمی و سن مغزی افراد ابداع کرده‌اند. این مدل یادگیری ماشین از هدست‌های Emotiv Epoc X برای اندازه‌گیری فعالیت الکتریکی مغز در حالت استراحت (بیدار اما بدون انجام کاری مشخص) استفاده می‌کند و آن را با داده‌های آماری بزرگسالان سالم مقایسه می‌نماید.

کونیوس و همکاران (2024) این الگوریتم را با داده‌های مغزی Epoc X جمع‌آوری‌شده از گروهی از شرکت‌کنندگان حضوری و آنلاین از راه دور، و همچنین مجموعه‌داده‌های آموزشی تکمیلی آموزش دادند. در مجموع، این مطالعه از پنج مجموعه‌داده ترکیبی استفاده کرد.

چرا سن مغز اهمیت دارد؟

مغز انسان همواره در حال تغییر است، در طول زندگی ما اتصالات جدیدی ایجاد می‌کند و اتصالات قدیمی را ترمیم می‌نماید. آسیب و بیماری می‌تواند مرحله رشد مغز را به تاخیر انداخته یا سرعت بخشد و واگرایی یا «شکاف سن مغزی» ایجاد کند. این شکاف‌ها می‌توانند به عنوان علائم هشداردهنده برای بیماری‌های مرتبط با سن عمل کنند. متأسفانه، اسکن‌های مغزی اغلب پرهزینه و زمان‌بر هستند و تنها زمانی انجام می‌شوند که علائم بیماری ظاهر شده باشند.

نویسندگان پیشنهاد می‌کنند که اسکن افراد در اوایل میانسالی یا سنین پایین‌تر، امکان شناسایی و درمان اختلالات عصبی مرتبط با سن را در اولین مراحل آن‌ها افزایش می‌دهد.

نویسندگان اشاره می‌کنند: «رویکرد ما برای تخمین سن مغز با استفاده از EEG چندین کاربرد نویدبخش دارد. اول اینکه می‌توان از آن به‌عنوان ابزار غربالگری نسبتاً ارزان‌قیمت برای شناسایی افرادی استفاده کرد که شکاف سن مغزی آن‌ها نشان‌دهنده احتمال وجود یک بیماری زمینه‌ای مرتبط با سن است تا متعاقباً با آزمایش‌های تشخیصی خاص پیگیری شود. علاوه بر این، به دلیل هزینه نسبتاً پایین هدست Emotiv Epoc X، تخمین سن مغز با EEG می‌تواند مکرراً انجام شود تا نتایج تایید شده و تغییرات در طول زمان شناسایی شوند.»

این مجموعه داده‌های سن مغز ممکن است برای آزمایش مداخلات بالقوه جهت کاهش سرعت یا معکوس کردن پیری عصبی نیز مفید باشد. به عنوان مثال، یک مطالعه در سال ۲۰۲۰ با حمایت مالی موسسه ملی پیری ایالات متحده نشان داد که برخی از سبک‌های زندگی سالم می‌توانند خطر ابتلا به آلزایمر را تا ۶۰ درصد کاهش دهند (دانا و همکاران، ۲۰۲۰).

EEG بی‌سیم به کمک می‌آید

کونیوس و همکارانش Epoc X را به دلیل مقرون‌به‌صرفه و در دسترس بودن تحسین کردند. آن‌ها اعلام کردند که این دستگاه به مردم اجازه می‌دهد سن مغز خود را در خانه یا محل کار تخمین بزنند. این امر می‌تواند منجر به تحقیقات بیشتری در زمینه کاهش شناختی مرتبط با سن و مداخلات سبک زندگی برای سلامت شناختی شود.

یادگیری شیوه محاسبه سن مغز پتانسیل‌های دیگری نیز به همراه دارد. به عنوان مثال، گروهی از افراد در دهه ۸۰ و ۹۰ زندگی خود وجود دارند که «ابر‌سالخوردگان شناختی» نامیده می‌شوند و آمارها را به چالش می‌کشند. ابر‌سالخوردگان شناختی عملکرد حافظه‌ای مشابه با بزرگسالان ۲۰ تا ۳۰ سال جوان‌تر از خود دارند. هدف مطالعات فعلی، یادگیری از این گروه استثنایی از افراد و استفاده از آن اطلاعات برای ترویج پیری سالم مغز است.

دانشمندان علوم اعصاب و سایر پژوهشگران امیدوارند نقش‌هایی را که رژیم غذایی، محیط، سبک زندگی و ژنتیک در چگونگی پیری مغز ما ایفا می‌کنند، بهتر درک کنند.

نویسندگان بر اهمیت ارزیابی پایداری مدل غربالگری سن مغز خود در یک دوره زمانی طولانی تاکید می‌کنند. تحقیقات آینده نیز برای تأیید این یافته‌ها با نمونه داده‌های EEG مغزی بزرگ‌تر و متنوع‌تر مورد نیاز است.

منابع:

Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). Healthy lifestyle and the risk of Alzheimer dementia. Neurology, 95(4). https://doi.org/10.1212/wnl.0000000000009816

Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). Brain-age estimation with a low-cost EEG-headset: effectiveness and implications for large-scale screening and brain optimization. Frontiers in Neuroergonomics, 5. https://doi.org/10.3389/fnrgo.2024.1340732