הפרעה התנהגותית בשינה בשלב ה-REM, או iRBDי(Isolated rapid eye movement sleep behavior disorder) היא שלב פרודרמלי של אלפא-סינוקלאינופתיות, ובסופו של דבר הופכת למחלות ניווניות גלויות, כולל מחלת הפרקינסון, דמנציה עם גופיפי לואי, וניוון רב מערכתי (multiple system atrophy). מחקרים קודמים תיעדו את הקשר בין מצב המנוחה הבסיסי ב-EEGי(electroencephalography) לבין ההמרה למחלות ניווניות. במחקר שממצאיו פורסמו לאחרונה בכתב העת Sleep, חוקרים ביקשו לפתח מודלים המבוססים על בינה מלאכותית מסוג למידת מכונה (machine learning), על מנת לנבא את זמן ההמרה למחלות הניווניות ואת תתי הסוג שלהן באמצעות מאפיינים ב-EEG הבסיסי של חולים עם iRBD.
עוד בעניין דומה
בתחילת המחקר, החוקרים ביצעו EEG במנוחה והערכות נוירולוגיות בחולים עם iRBD. תוכנות ה-EEG הממוחשבות כללו כוח ספקטרלי, מדד weighted phase lag index ואנטרופיית שאנון. כמו כן, החוקרים השתמשו ב-3 מודלים עבור חיזוי השרידות, ו-4 מודלים לחיזוי תתי הסוג של האלפא-סינוקלאינופתיה, וכלל המודלים עברו תיקוף חיצוני באמצעות נתונים ממוסד אחר.
בסך הכל, 236 חולי iRBD היו במעקב של עד 8 שנים (ממוצע של 3.5 שנים) ו-31 חולים חלו באלפא-סינוקלאופתיה (16 במחלת פרקינסון, 9 בדמנציה עם גופיפי לואי ו-6 בניוון רב מערכתי). תוצאות המחקר הדגימו כי המודל הטוב ביותר לחיזוי השרידות היה מודל יער אקראי (Random Forest), עם ציון ברייר משולב של 0.114 ומדד קונקורדנציה של 0.775. אלגוריתם השכן הקרוב (K-nearest neighbor) היה הטוב ביותר לחיזוי תתי הסוג של האלפא- סינוקלאינופתיה, עם שטח מתחת לעקומת ROC (receiver operating characteristic) של 0.901. בנוסף, האטה של ה-EEG הייתה תכונה חשובה עבור שני הדגמים.
החוקרים מסכמים כי מודלים של למידת מכונה המשתמשים במאפייני EEG עשויים להיות יעילים בחיזוי של זמן ההמרה למחלות ניווניות ואת תתי הסוג שלהן בחולי iRBD. יש צורך במחקר נוסף הכולל נתונים ממדגמים גדולים יותר וממדינות רבות על מנת ליצור מודל חזק יותר.
מקור:
הירשמו לקבלת עדכונים בנושאים שעלו בכתבה
