سن مغز شما چقدر است؟ الگوریتم EEG برای شناسایی مشکلات بررسی میکند.
های دی دوران
۱۱ اردیبهشت ۱۴۰۳
به اشتراک گذاری:
یک الگوریتم جدید یادگیری ماشین (ML) از هوش مصنوعی (AI) و EMOTIV EEG برای محاسبه سن مغز یک شخص استفاده میکند.
تغییرات در EEG حالت استراحت یک فرد میتواند نشانههای اولیه بیماریهای دژنراتیو مانند آلزایمر باشد.
یافتههای تحقیقاتی منتشر شده در Frontiers in Neuroergonomics، رویکردی پیشگیرانه به بررسیهای سلامتی مغز ارائه میدهد.
محققان روشی جدید برای محاسبه تفاوت بین سن زمانی و سن مغزی یک شخص توسعه دادهاند. این مدل یادگیری ماشین از هدستهای EMOTIV EPOC X برای سنجش فعالیت الکتریکی مغز در حالت استراحت (بیدار اما بدون انجام وظیفهای) استفاده میکند و آن را با دادههای آماری میان بزرگسالان سالم مقایسه میکند.
Kounios و همکاران (2024) الگوریتم را با دادههای مغزی EPOC X از مجموعهای از شرکتکنندگان حضوری و آنلاین از راه دور و همچنین مجموعه دادههای آموزشی مکمل آموزش دادند. در مجموع، مطالعه از پنج مجموعه داده ترکیبی استفاده کرد.
چرا سن مغزی اهمیت دارد؟
مغز انسان همیشه در حال تغییر است، اتصالات جدید اضافه کرده و قدیمیها را در طول زندگی ترمیم میکند. آسیب و بیماری میتواند روند تکامل مغز را به تأخیر بیندازد یا تسریع کند و منجر به ایجاد "شکاف سن مغزی" شود. این شکافها میتوانند به عنوان نشانههای هشدار دهنده برای بیماریهای مربوط به سن خدمت کنند. متأسفانه، اسکن مغزی اغلب هزینهبر و زمانبر است و تنها زمانی که علائم بیماری ظاهر میشوند انجام میشود.
نویسندگان پیشنهاد میکنند که اسکن افراد در اوایل میانسالی یا جوانی این امکان را فراهم میکند که اختلالات عصبی مربوط به سن در مراحل اولیهشان شناسایی و درمان شوند.
نویسندگان اشاره میکنند." رویکرد ما نسبت به تخمین سن مغزی با EEG چندین کاربرد امیدوار کننده دارد." آنها میافزایند "میتواند به عنوان ابزاری نسبتاً کمهزینه برای شناسایی افرادی که شکاف سنی مغزیشان نشاندهنده احتمال وجود پاتولوژیهای مربوط به سن است که میتواند با تستهای تشخیصی خاص دنبال شود، استفاده شود. علاوه بر این، به دلیل هزینه نسبتاً پایین هدست EMOTIV EPOC X، تخمین سن مغزی EEG میتواند بارها انجام شود تا نتایج و تغییرات در طول زمان بررسی شود."
مجموعه دادههای سن مغزی نیز ممکن است برای آزمودن دخالتهای بالقوه برای کند یا معکوس کردن فرایند پیری عصبی مفید باشد. برای مثال، یک مطالعه در سال 2020 که توسط موسسه ملی سالمندی مورد حمایت مالی قرار گرفت، نشان داد که برخی از عوامل سبک زندگی سالم میتوانند ریسک آلزایمر را تا 60% کاهش دهند (Dhana et al., 2020).
EEG بیسیم به نجات میآید
Kounios و همکاران از EPOC X به دلیل مقرون به صرفه بودن و دسترسپذیری آن تمجید کردند. آنها گفتند که به مردم اجازه میدهد تا سن مغزی خود را در خانه یا محل کار برآورد کنند. این میتواند به تحقیقات بیشتری درباره افت شناختی مربوط به سن و مداخلات سبک زندگی برای سلامتی شناختی منجر شود.
یادگیری نحوه محاسبه سن مغزی امکانات دیگری نیز دارد. به عنوان مثال، گروهی از افراد در دهه 80 و 90 زندگی خود به نام "فوقالعادهسالخوردههای شناختی" هستند که با آمارها مغایرت دارند. فوقالعادهسالخوردههای شناختی عملکرد حافظه مشابه بزرگسالانی 20-30 سال جوانتر دارند. مطالعات فعلی به هدف یادگیری از این گروه استثنایی از افراد و استفاده از آن اطلاعات برای ترویج پیری سالم مغز هدایت میشوند.
متخصصین عصبشناسی و سایر محققان امیدوارند تا نقشهایی که رژیم غذایی، محیط، سبک زندگی و ژنتیک در چگونگی پیری مغزهای ما بازی میکنند را بهتر درک کنند.
نویسندگان بر اهمیت ارزیابی پایداری مدل بررسی سن مغزی خود در طول یک دوره زمانی طولانی تاکید دارند. تحقیقات آینده نیز برای تأیید این یافتهها با یک نمونه داده EEG مغز گستردهتر و متنوعتر مورد نیاز است.
مراجع:
Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). سبک زندگی سالم و ریسک دمانس آلزایمری. Neurology, 95(4). https://doi.org/10.1212/wnl.0000000000009816
Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). برآورد سن مغزی با یک هدست EEG کمهزینه: اثربخشی و پیامدها برای اسکنهای گسترده و بهینهسازی مغز. Frontiers in Neuroergonomics, 5. https://doi.org/10.3389/fnrgo.2024.1340732
یک الگوریتم جدید یادگیری ماشین (ML) از هوش مصنوعی (AI) و EMOTIV EEG برای محاسبه سن مغز یک شخص استفاده میکند.
تغییرات در EEG حالت استراحت یک فرد میتواند نشانههای اولیه بیماریهای دژنراتیو مانند آلزایمر باشد.
یافتههای تحقیقاتی منتشر شده در Frontiers in Neuroergonomics، رویکردی پیشگیرانه به بررسیهای سلامتی مغز ارائه میدهد.
محققان روشی جدید برای محاسبه تفاوت بین سن زمانی و سن مغزی یک شخص توسعه دادهاند. این مدل یادگیری ماشین از هدستهای EMOTIV EPOC X برای سنجش فعالیت الکتریکی مغز در حالت استراحت (بیدار اما بدون انجام وظیفهای) استفاده میکند و آن را با دادههای آماری میان بزرگسالان سالم مقایسه میکند.
Kounios و همکاران (2024) الگوریتم را با دادههای مغزی EPOC X از مجموعهای از شرکتکنندگان حضوری و آنلاین از راه دور و همچنین مجموعه دادههای آموزشی مکمل آموزش دادند. در مجموع، مطالعه از پنج مجموعه داده ترکیبی استفاده کرد.
چرا سن مغزی اهمیت دارد؟
مغز انسان همیشه در حال تغییر است، اتصالات جدید اضافه کرده و قدیمیها را در طول زندگی ترمیم میکند. آسیب و بیماری میتواند روند تکامل مغز را به تأخیر بیندازد یا تسریع کند و منجر به ایجاد "شکاف سن مغزی" شود. این شکافها میتوانند به عنوان نشانههای هشدار دهنده برای بیماریهای مربوط به سن خدمت کنند. متأسفانه، اسکن مغزی اغلب هزینهبر و زمانبر است و تنها زمانی که علائم بیماری ظاهر میشوند انجام میشود.
نویسندگان پیشنهاد میکنند که اسکن افراد در اوایل میانسالی یا جوانی این امکان را فراهم میکند که اختلالات عصبی مربوط به سن در مراحل اولیهشان شناسایی و درمان شوند.
نویسندگان اشاره میکنند." رویکرد ما نسبت به تخمین سن مغزی با EEG چندین کاربرد امیدوار کننده دارد." آنها میافزایند "میتواند به عنوان ابزاری نسبتاً کمهزینه برای شناسایی افرادی که شکاف سنی مغزیشان نشاندهنده احتمال وجود پاتولوژیهای مربوط به سن است که میتواند با تستهای تشخیصی خاص دنبال شود، استفاده شود. علاوه بر این، به دلیل هزینه نسبتاً پایین هدست EMOTIV EPOC X، تخمین سن مغزی EEG میتواند بارها انجام شود تا نتایج و تغییرات در طول زمان بررسی شود."
مجموعه دادههای سن مغزی نیز ممکن است برای آزمودن دخالتهای بالقوه برای کند یا معکوس کردن فرایند پیری عصبی مفید باشد. برای مثال، یک مطالعه در سال 2020 که توسط موسسه ملی سالمندی مورد حمایت مالی قرار گرفت، نشان داد که برخی از عوامل سبک زندگی سالم میتوانند ریسک آلزایمر را تا 60% کاهش دهند (Dhana et al., 2020).
EEG بیسیم به نجات میآید
Kounios و همکاران از EPOC X به دلیل مقرون به صرفه بودن و دسترسپذیری آن تمجید کردند. آنها گفتند که به مردم اجازه میدهد تا سن مغزی خود را در خانه یا محل کار برآورد کنند. این میتواند به تحقیقات بیشتری درباره افت شناختی مربوط به سن و مداخلات سبک زندگی برای سلامتی شناختی منجر شود.
یادگیری نحوه محاسبه سن مغزی امکانات دیگری نیز دارد. به عنوان مثال، گروهی از افراد در دهه 80 و 90 زندگی خود به نام "فوقالعادهسالخوردههای شناختی" هستند که با آمارها مغایرت دارند. فوقالعادهسالخوردههای شناختی عملکرد حافظه مشابه بزرگسالانی 20-30 سال جوانتر دارند. مطالعات فعلی به هدف یادگیری از این گروه استثنایی از افراد و استفاده از آن اطلاعات برای ترویج پیری سالم مغز هدایت میشوند.
متخصصین عصبشناسی و سایر محققان امیدوارند تا نقشهایی که رژیم غذایی، محیط، سبک زندگی و ژنتیک در چگونگی پیری مغزهای ما بازی میکنند را بهتر درک کنند.
نویسندگان بر اهمیت ارزیابی پایداری مدل بررسی سن مغزی خود در طول یک دوره زمانی طولانی تاکید دارند. تحقیقات آینده نیز برای تأیید این یافتهها با یک نمونه داده EEG مغز گستردهتر و متنوعتر مورد نیاز است.
مراجع:
Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). سبک زندگی سالم و ریسک دمانس آلزایمری. Neurology, 95(4). https://doi.org/10.1212/wnl.0000000000009816
Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). برآورد سن مغزی با یک هدست EEG کمهزینه: اثربخشی و پیامدها برای اسکنهای گسترده و بهینهسازی مغز. Frontiers in Neuroergonomics, 5. https://doi.org/10.3389/fnrgo.2024.1340732
یک الگوریتم جدید یادگیری ماشین (ML) از هوش مصنوعی (AI) و EMOTIV EEG برای محاسبه سن مغز یک شخص استفاده میکند.
تغییرات در EEG حالت استراحت یک فرد میتواند نشانههای اولیه بیماریهای دژنراتیو مانند آلزایمر باشد.
یافتههای تحقیقاتی منتشر شده در Frontiers in Neuroergonomics، رویکردی پیشگیرانه به بررسیهای سلامتی مغز ارائه میدهد.
محققان روشی جدید برای محاسبه تفاوت بین سن زمانی و سن مغزی یک شخص توسعه دادهاند. این مدل یادگیری ماشین از هدستهای EMOTIV EPOC X برای سنجش فعالیت الکتریکی مغز در حالت استراحت (بیدار اما بدون انجام وظیفهای) استفاده میکند و آن را با دادههای آماری میان بزرگسالان سالم مقایسه میکند.
Kounios و همکاران (2024) الگوریتم را با دادههای مغزی EPOC X از مجموعهای از شرکتکنندگان حضوری و آنلاین از راه دور و همچنین مجموعه دادههای آموزشی مکمل آموزش دادند. در مجموع، مطالعه از پنج مجموعه داده ترکیبی استفاده کرد.
چرا سن مغزی اهمیت دارد؟
مغز انسان همیشه در حال تغییر است، اتصالات جدید اضافه کرده و قدیمیها را در طول زندگی ترمیم میکند. آسیب و بیماری میتواند روند تکامل مغز را به تأخیر بیندازد یا تسریع کند و منجر به ایجاد "شکاف سن مغزی" شود. این شکافها میتوانند به عنوان نشانههای هشدار دهنده برای بیماریهای مربوط به سن خدمت کنند. متأسفانه، اسکن مغزی اغلب هزینهبر و زمانبر است و تنها زمانی که علائم بیماری ظاهر میشوند انجام میشود.
نویسندگان پیشنهاد میکنند که اسکن افراد در اوایل میانسالی یا جوانی این امکان را فراهم میکند که اختلالات عصبی مربوط به سن در مراحل اولیهشان شناسایی و درمان شوند.
نویسندگان اشاره میکنند." رویکرد ما نسبت به تخمین سن مغزی با EEG چندین کاربرد امیدوار کننده دارد." آنها میافزایند "میتواند به عنوان ابزاری نسبتاً کمهزینه برای شناسایی افرادی که شکاف سنی مغزیشان نشاندهنده احتمال وجود پاتولوژیهای مربوط به سن است که میتواند با تستهای تشخیصی خاص دنبال شود، استفاده شود. علاوه بر این، به دلیل هزینه نسبتاً پایین هدست EMOTIV EPOC X، تخمین سن مغزی EEG میتواند بارها انجام شود تا نتایج و تغییرات در طول زمان بررسی شود."
مجموعه دادههای سن مغزی نیز ممکن است برای آزمودن دخالتهای بالقوه برای کند یا معکوس کردن فرایند پیری عصبی مفید باشد. برای مثال، یک مطالعه در سال 2020 که توسط موسسه ملی سالمندی مورد حمایت مالی قرار گرفت، نشان داد که برخی از عوامل سبک زندگی سالم میتوانند ریسک آلزایمر را تا 60% کاهش دهند (Dhana et al., 2020).
EEG بیسیم به نجات میآید
Kounios و همکاران از EPOC X به دلیل مقرون به صرفه بودن و دسترسپذیری آن تمجید کردند. آنها گفتند که به مردم اجازه میدهد تا سن مغزی خود را در خانه یا محل کار برآورد کنند. این میتواند به تحقیقات بیشتری درباره افت شناختی مربوط به سن و مداخلات سبک زندگی برای سلامتی شناختی منجر شود.
یادگیری نحوه محاسبه سن مغزی امکانات دیگری نیز دارد. به عنوان مثال، گروهی از افراد در دهه 80 و 90 زندگی خود به نام "فوقالعادهسالخوردههای شناختی" هستند که با آمارها مغایرت دارند. فوقالعادهسالخوردههای شناختی عملکرد حافظه مشابه بزرگسالانی 20-30 سال جوانتر دارند. مطالعات فعلی به هدف یادگیری از این گروه استثنایی از افراد و استفاده از آن اطلاعات برای ترویج پیری سالم مغز هدایت میشوند.
متخصصین عصبشناسی و سایر محققان امیدوارند تا نقشهایی که رژیم غذایی، محیط، سبک زندگی و ژنتیک در چگونگی پیری مغزهای ما بازی میکنند را بهتر درک کنند.
نویسندگان بر اهمیت ارزیابی پایداری مدل بررسی سن مغزی خود در طول یک دوره زمانی طولانی تاکید دارند. تحقیقات آینده نیز برای تأیید این یافتهها با یک نمونه داده EEG مغز گستردهتر و متنوعتر مورد نیاز است.
مراجع:
Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). سبک زندگی سالم و ریسک دمانس آلزایمری. Neurology, 95(4). https://doi.org/10.1212/wnl.0000000000009816
Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). برآورد سن مغزی با یک هدست EEG کمهزینه: اثربخشی و پیامدها برای اسکنهای گسترده و بهینهسازی مغز. Frontiers in Neuroergonomics, 5. https://doi.org/10.3389/fnrgo.2024.1340732
