تشخیص تینیتوس با هوش مصنوعی: هوش مصنوعی می‌تواند این اختلال را از طریق اسکن مغزی شناسایی کرده و آن را درمان سازد
تشخیص اختلال تینیتوس به جای انجام آزمایش‌های ذهنی به کمک هوش مصنوعی ممکن شده است. این بیماری، همان وز وز گوش است که نزدیک به 15 درصد از بزرگ‌سالان از آن رنج می‌برند و دارای انواع ملایم و خفیف است. این فناوری می‌تواند با انجام اسکن مغزی، وجود این بیماری را تشخیص داده و حتی شدت آن را نیز به درستی بیان کند که در بهبود درمان این بیماری کمک شایانی به شمار می‌آید.
تشخیص تینیتوس به کمک هوش مصنوعی
مهرناز شوشتریان و همکارانش در انستیتوی بیونیکس (Bionics) در ملبورن استرالیا، الگوریتمی ساخته‌اند که می‌تواند وجود این اختلال را در فردی شناسایی کرده و حتی شدت آن را با دقت بالایی، به درستی تعیین کند. دقت این هوش در شناسایی درست این اختلال 78% است و می‌تواند با دقت 87% نوع ملایم و شدید آن را از هم به درستی تمیز دهد.
در حدود 15% از بزرگ‌سالان، مبتلا به نوع مزمن این بیماری هستند. این اختلال معمولا با کمک تست شنوایی، یا با استفاده از صحبت‌های خود فرد مبتلا و یا براساس یک پرسشنامه ذهنی شناسایی می‌شود.
این تیم در ابتدا از تکنیک تصویربرداری عصبی غیرتهاجمی موسوم به طیف سنجی نزدیک به مادون قرمز یا fNIRS ، بر روی 25 نفر مبتلا به نوع مزمن و 21 فرد فاقد این بیماری، استفاده کردند. علت استفاده از نور مادون قرمز، اندازه‌گیری جریان خون و سطح اکسیژن در مناطق خاصی از مغز است که با فعالیت مغزی مطابقت دارد.
این تیم در حالی‌که شرکت‌کنندگان در معرض هر دو محرک بینایی و شنوایی قرار گرفته بودند، برای تشخیص تینیتوس با هوش مصنوعی اقدام به اندازه‌گیری سیگنال‌های fNIRS کرد. این محرک‌ها، نمایش الگوهای شطرنجی دایره‌ای و بخش‌های 15 ثانیه‌ای نویز است.
شوشتریان می‌گوید: بسیاری از مسیرهای عصبی بینایی- شنوایی، چه در افراد دارای اختلالات شنوایی و چه بدون آن، با هم مرتبط هستند. پژوهش‌های پیشین نشان داده است که فعالیت گُوِه مغز (cuneus) در افراد مبتلا به این اختلال کاهش می‌یابد. گُوِه مغز (cuneus)، منطقه‌ای مغزی است که پردازش بینایی را بر عهده دارد. از افراد مبتلا خواسته شد که میزان صدا و آزاردهنده بودن آن را ارزیابی کنند. این نتایج با الگوهای فعالیت مغزی آن‌ها بر پایه سیگنال‌های fNIRS، کاملا در ارتباط بود.
پژوهشگران دریافتند که افراد مبتلا به نوع مزمن این بیماری، سطح بالاتری از اتصال پس‌زمینه‌ای میان مناطق خاصی از مغز خود را دارند. در کسانی که وزوز بلندتری در گوش خود احساس می‌کنند، پاسخ مغز به هر دو محرک بینایی و شنوایی به طور قابل‌توجهی کاهش می‌یابد. این تیم عقیده دارد که این مشکل به دلیل افزایش فعالیت عصبی پس‌زمینه‌ای در افراد مبتلا به این اختلال است که بر توانایی مغزشان در پاسخ دادن به محرک‌ها اثر می‌گذارد.
پژوهشگران سپس الگوریتمی را در مورد نتایج fNIRS و شدت این اختلال را آموزش دادند. شوشتریان می‌گوید این واقعیت که تشخیص تینیتوس به کمک هوش مصنوعی با موفقیت کار می‌کند و می‌تواند نوع ملایم و خفیف این بیماری را با دقت بالایی به درستی تشخیص دهد، گام مهمی در بهبود روش‌های درمان این بیماری است. در حال حاضر، ارزیابی میزان موفقیت درمان‌ها دشوار است زیرا نتایج به گزارش‌های ذهنی از یک فرد در طول زمان بستگی دارد.
