تیمی استارتاپی در دانشگاه صنعتی امیرکبیر پلتفرمی مبتنی بر هوش مصنوعی توسعه داده است که با تحلیل سیگنالهای مغزی، تصاویر MRI و سوابق دارویی بیماران، به پزشکان در تشخیص زودهنگام و طراحی پروتکلهای درمانی شخصیسازیشده برای بیماریهای مغز و اعصاب و اختلالات روانپزشکی کمک میکند.
به گزارش تسنیم، هیما امجدی، از مدیران این تیم استارتاپی، با اشاره به تفاوت عملکرد مغز افراد گفت هدف این پروژه آن است که درمان بیماران صرفاً بر اساس علائم عمومی تجویز نشود. بهعنوان نمونه، ممکن است دو بیمار علائم افسردگی مشابهی داشته باشند، اما بهدلیل تفاوت در ساختار و عملکرد مغز، به درمان یکسانی پاسخ ندهند.
به گفته امجدی، این پلتفرم با استخراج ویژگیها یا «فیچرها» از سیگنالهای الکتریکی مغز (EEG)، دادهها را با کمک هوش مصنوعی تحلیل میکند و بر اساس آن، مناسبترین پروتکل درمانی را برای هر بیمار پیشبینی میکند.
آموزش مدل هوش مصنوعی با دادههای حدود هزار بیمار
توسعه این پلتفرم حدود سه سال زمان برده است؛ دورهای که تیم سازنده برای جمعآوری دادههای بالینی با چالشهای متعددی روبهرو بوده است. امجدی میگوید برخی کلینیکها و بیمارستانها حاضر به همکاری با تیم نبودهاند و مراکز دیگر نیز برای ارائه دادههای EEG هزینههای سنگینی دریافت میکردند.
طبق توضیحات او، در برخی موارد هزینه دریافت هر نوار مغزی به ۲ میلیون و ۵۰۰ هزار تومان میرسید و اعضای تیم این هزینهها را شخصاً پرداخت میکردند. آنها در کنار دادههای کلینیکی، از مجموعهدادههای عمومی موجود در اینترنت نیز استفاده کردند و در نهایت مدل خود را با دادههای مربوط به حدود هزار بیمار آموزش دادند.
تیم توسعهدهنده این محصول چهار عضو دارد: امجدی، دانشجوی بیوانفورماتیک دانشگاه صنعتی امیرکبیر، دو دانشجوی دکترای هوش مصنوعی و یک دانشجوی کارشناسی ارشد هوش مصنوعی و بیوانفورماتیک. این پروژه در ابتدا موضوع پایاننامه امجدی بوده و اکنون مسیر تجاریسازی آن دنبال میشود.
ترکیب دادههای EEG، MRI و سوابق دارویی در یک پلتفرم
پلتفرم امیرکبیر تنها به تحلیل سیگنالهای EEG متکی نیست و دادههایی مانند تصاویر MRI و سوابق دارویی بیمار را نیز در فرایند تحلیل وارد میکند. همچنین یک چتبات هوشمند در کنار این سامانه قرار گرفته است تا پزشک بتواند با آن درباره وضعیت بیمار تعامل داشته باشد.
این چتبات بر اساس بایومارکرهای استخراجشده از دادههای بیمار، پیشنهادها و توصیههای درمانی ارائه میدهد. هدف تیم سازنده، کاهش زمان و هزینه بررسیهای پزشکی و افزایش دقت تصمیمگیری پزشکان عنوان شده است.
نسخه اولیه یا MVP این محصول با حمایت «نواتک» توسعه پیدا کرده و اکنون تیم سازنده برای تأمین سرمایه مورد نیاز سال نخست فعالیت خود تلاش میکند. امجدی معتقد است عبور از این دوره میتواند زمینه رسیدن محصول به درآمدهای قابلتوجه را فراهم کند.
به گفته او، در ایران مجموعههایی روی تحلیل دادههای ECG و EEG کار میکنند، اما تفاوت این پلتفرم در تجمیع همزمان دادههای مختلف و استفاده از هوش مصنوعی برای افزایش دقت مدل است. نمونههای موجود عمدتاً بر روشهای سنتی و بایومارکرهای قدیمی تمرکز دارند.
این محصول برای ورود به مرحله استفاده بالینی، به دریافت تأییدیه از وزارت بهداشت و انجمن روانپزشکی نیاز دارد و تیم توسعهدهنده اعلام کرده است الزامات قانونی را در برنامه تجاریسازی خود در نظر گرفته است.
