機械学習は、耳鳴りを客観的に診断するのに役立ちました

ビデオ: 機械学習は、耳鳴りを客観的に診断するのに役立ちました

ビデオ: 若い世代のワクチン接種  多角的に考える接種の意義とリスク・ベネフィット  (いま必要な内容だと感じたら、拡散してください) 2022, 12月
機械学習は、耳鳴りを客観的に診断するのに役立ちました
機械学習は、耳鳴りを客観的に診断するのに役立ちました
Anonim
Image
Image

オーストラリアの科学者たちは、耳鳴りを診断する方法を考え出しました。近赤外領域で機能分光法を使用して「耳鳴り」を起こします。科学者は、健康な人と患者からのデータに基づいて、78.3%の精度で耳鳴りを認識し、87.3%の精度で重症度によって分類するモデルを生成しました。提案された方法は、この病気の診断を大幅に簡素化するはずであり、これは現在、主に質問票および/または高価で最適ではないMRIを使用して実行されています。この研究は、ジャーナルPLOSOneに掲載されています。

騒がしい部屋を出た多くの人は、周囲の音が少しこもった感じになり、頭の中でリンギングやノイズが聞こえ、他の人には聞こえません。この現象には耳鳴りという名前があり、成人の約10〜15%が常に耳鳴りと一緒に暮らしています。現時点では、「耳鳴り」は定性的にだけでなく、正常に診断することもできません。リンギングの周波数とラウドネスを評価することは可能であり、客観的な理解を与えない質問票の助けを借りてのみ、ほとんど知覚できないものからほとんど耐えられないものまで変化する可能性があります。

過去10年間で、科学者はMRI、EEG、PETなどの神経画像技術を使用して耳鳴りを診断し始めました。彼らは活動が耳鳴りに関連している脳の領域を見つけることさえできました。これらの方法には欠点があります。EEGは他の方法よりも空間的に精度が低く、MRIとPETは高価であり、ノイズも多いため、聴覚研究にとって重要です。

オーストラリア生体工学研究所のMehrnazShoushtarianと彼女の同僚は、耳鳴りを診断するために機能的近赤外分光法を使用することを決定しました。 MRIと同様に、この方法では、脳の血管内の酸素レベルのダイナミクスを測定し、そこから活動を判断できます。同時に、IR分光法は移動可能で、それほど高価ではなく、ノイズを発生させず、十分な解像度。欠点は、皮質の深い領域をスキャンできないことかもしれませんが、この場合、これは必須ではなく、耳鳴りを分類するために必要な脳のすべての領域が結果の画像で利用可能であることが判明しました。

耳鳴り、聴覚野、前頭葉の一部、くさび(後頭葉の一部)の診断には、それらの間の機能的接続と外部刺激への応答が重要です。したがって、赤外線スキャン中、研究者は参加者(25人の耳鳴り患者と21人の通常の聴覚ボランティア)に、最初に目を閉じて黙って座ってから、異なる可聴信号と視覚信号を順番に与えるように依頼しました。安静時の記録により、脳の研究領域間の接続性を評価することが可能になり、音声および視覚信号により、患者と健康な人で外部刺激に対する脳の反応がどのように異なるかを理解することができました。

耳鳴りのある人の考慮された領域間の機能的接続はより高く、逆に、音および視覚信号に応答するそれらの活動は減少することが判明した。耳鳴りの存在とその強度を定性的に判断する方法を学ぶために、科学者はこのデータに機械学習を適用することを決定しました。まず、受け取ったすべてのアクティビティから、病気のグループと健康なグループの間で最も異なるものを選択しました。 4つの異なる分類器を使用しました。さらに、彼らは以前に質問票に基づいて計算されたデータに基づいて耳鳴りの重症度(1から4まで)を予測しようとしました。

分類器は良い仕事をしていることが判明しました-単純ベイズ分類器は症例の78.3%で耳鳴りを正しく識別でき、機能的接続に関するデータでトレーニングされたニューラルネットワークは症例の87.3%で耳鳴りを軽度と重度に正しく分割しました。著者らは、IR分光法データは、耳鳴りを客観的に診断し、治療効果を正確に測定するための適切な方法である可能性があると結論付けました。

耳鳴りの動物実験はほとんど不可能であり(マウスは耳鳴りかどうかを知ることができません)、誰も耳鳴りを測定することはできません。しかし、科学者たちはマウスの行動によって耳鳴りを特定することができる実験を思いつき、その治療法を提案しました。しかし、公の場では機能しませんでした。

トピックによって人気があります

人気の投稿