نرم افزاری برای تشخیص شروع آلزایمر

۱۳۹۰/۰۵/۱۶ - ۱۲:۱۳ - کد خبر: 31303
نرم افزاری برای تشخیص شروع آلزایمر
سلامت نیوز :محققان دانشكده پزشكی نیویورك، نرم‏ افزار كامپیوتری جدیدی ابداع كرده ‏اند كه با استفاده از آن می‌توان شروع بیماری آلزایمر را به سرعت تشخیص داد. این نرم‏افزار، اطلاعات الكتروآنسفالوگرام (EEG) را بررسی می‌كند و به پزشكان امكان می‌دهد علایم زودرس آلزایمر را تشخیص دهند.

 در این روش سایه‏روشن‏های ایجادشده و تفاوت واضح بین نقاط راست و چپ مغز و انحراف آن از روند طبیعی پیر شدن را بررسی می‌كنند. تشخیص زودرس آلزایمر، بسیار حیاتی است چرا كه داروهای جدید می‌توانند پیشرفت بیماری را آهسته كنند.

از طرف دیگر این تكنیك نسبت به تكنیك‏های ‌ام.آر.‌ای یا PET SCAN ارزان‏تر و كمتر تهاجمی است. در این روش به زودرس‏ترین نشانه‌های بیماری آلزایمر توجه می‌شود. زمانی كه اولین علامت از دست رفتن حافظه پدیدار می‌شود، می‌توان به راحتی آن را با یك وسیله ارزان، بی‏درد و آسان به نام EEG غربال كرد. توانایی تشخیص بیماری در اولین مراحل، می‌تواند از پیشرفت آن و در نتیجه از دست رفتن حافظه و دمانس جلوگیری كند یا آن را به تاخیر بیندازد.

دستگاه الكتروآنسفالوگرام فعالیت الكتریكی مغز را اندازه‌گیری می‌كند. الكترودها به جمجمه متصل می‌شوند و كامپیوتر علایم الكتریكی را كه از مغز می‏آید، ثبت و بررسی می‌كند. سلول‏های مغز، سیگنال‏های الكتریكی بسیار ضعیفی ایجاد می‌كنند. بنابراین، دستگاه الكتروآنسفالوگرام آن را بیش از 10هزار برابر تقویت می‌كند تا طرح فعالیت الكتریكی مغز آشكار شود. نوار الكتروآنسفالوگراف برای افراد عادی، توده‏ای از خطوط مارپیچ به نظر می‌رسد، اما واقعیت آن است كه دامنه و فركانس خطوط حاصل از سیگنال‏های الكتریكی را واقعا بر اساس روش‌های‏ ریاضی می‌توان توصیف كرد.

امواج تتا در EEG در افرادی كه كاهش فعالیت مغزی دارند بیشتر مشهود است و حضور آن در نواحی فرونتال مغز (پیشانی) غیرطبیعی است. امواج تتا از هیپوكامپ منشا می‏گیرند كه ناحیه‏ای از مغز است كه در دمانس دچار اختلال می‌شود.
محققان دانشكده پزشكی نیویورك یك برنامه كامپیوتری فراهم كردند تا پزشكان بتوانند به كمك آن، خطوط معمولی EEG كه نشان‏دهنده روند طبیعی پیری است را از خطوط بیانگر آلزایمر تشخیص دهند. گفتنی است دقت این روش حدود 95درصد است.
منبع:روزنامه شرق
نظر خود را بنویسید
(ضروری)
(ضروری)
CAPTCHA Imagereload
0.15332s, 19q