Паркинсон өвчийг эрт оношлож, урьдчилсан зургийг харуулах генератив хиймэл оюун ухааны технологи хөгжүүлэв.Допамины мэдрэлийн эсийн 1,934 зургийг сурч Паркинсоны өвчийг ялгаж оношлогооны нарийвчлал дээд тал нь 99.7% бүртгэгдэв
Сөүл Асан эмнэлгийн нэгдсэн анагаах ухааны тэнхимийн профессор Ким Намгук “Бодит эмнэлзүйн хэрэглээний боломжийг хүртэл баталгаажуулсан гэдэг нь чухал ач холбогдолтой”
Паркинсон өвчин нь тархинд допамин ялгаруулдаг мэдрэлийн эсүүд аажмаар цөөрч үүсдэг өвчин бөгөөд Альцгеймерийн өвчний дараа хамгийн түгээмэл тархины дегенератив өвчин юм. Гар чичрэх, удаан хөдөлгөөн, булчингийн хөшүүрэг зэрэг шинж тэмдэг гол байдаг бөгөөд сэтгэлийн хямрал, дементи зэрэг хөдөлгөөнт бус шинж тэмдэг мөн хамт илэрч болно.
Паркинсон өвчний эрт илрүүлэлт маш чухал боловч өвчний эхний үед энгийн хөгшрөлт эсвэл бусад мэдрэлийн системийн өвчнөөс ялгахад хэцүү байдаг тул оношлогоо хоцордог тохиолдол олон байдаг. Тиймээс ‘DAT PET (допамины тээвэрлэгчийн позитроны ялгаралтын томографи)’ гэх зураглалын шинжилгээгээр допамины мэдрэлийн эсийн байдлыг шууд шалгах арга байдаг ч мэргэжлийн хүний хүч шаардлагатай, зургийн тайлбар субъектив байдаг хязгаарлалт байсан.
Сөүл Асан эмнэлгийн нэгдсэн анагаах ухааны тэнхимийн профессор Ким Намгук, доктор Ли Южин, мэдрэлийн тэнхимийн профессор Жон Сонжугийн баг тархины зургийг өөрөө сурч үр дүнг бий болгосны дараа үүнийг ашиглан Паркинсон өвчийг ялгаж чадах AI технологийг хөгжүүлсэн. Энэ загвар нь DAT PET зургийн 1,934 өгөгдлийг сурсны дараа эхний үеийн Паркинсон өвчин болон эх үүслийн чичрэхийг ялгах зэрэг эмнэлзүйн баталгаажуулалтад дээд тал нь 99.7%-ийн нарийвчлал үзүүлсэн байна.
Түүнчлэн сурсан мэдээллийн үндсэн дээр өвчтөний тархины зураг цаг хугацааны явцад хэрхэн өөрчлөгдөхийг урьдчилж таамаглан зураг болгон харуулах функцтэй байгаа нь эмч нарт өвчтөнд өвчний явцын тайлбарыг өгөх эсвэл эмчилгээний чиглэлийг тогтооход бодитой тусламж үзүүлэх болно гэж хүлээгдэж байна.
Судалгааны багийн хөгжүүлсэн AI технологи нь олон өгөгдлийг эхлээд сурч дараа нь үүнийг хэрэглэн олон төрлийн оношлогоо, өвчний явцын урьдчилсан таамаглал, урьдчилсан зургийн үүсгэл зэрэг ажлыг хийж чадах ерөнхий хиймэл оюун ухаан болох ‘Foundation Model’-ийг үндэслэдэг.
Энэ Foundation Model нь судалгааны багийн бие даан хөгжүүлсэн давхаргат тархалтын загвар суурьтай кодлогч ‘HWDAE (Hierarchical Wavelet Diffusion AutoEncoder)’-г сурч нарийн төвөгтэй тархины зургийг үе шаттайгаар хуваан илүү нарийвчлалтай шинжилж, дуу чимээ нэмж сэргээх үйл явцыг давтах тархалтын загварын зарчмыг ашиглан одоо байгаа загвартай харьцуулахад зураг үүсгэх чадвар маш сайн байдаг.
Судалгааны баг нь 18F-FP-CIT PET гэх шинжилгээгээр олж авсан Паркинсоны өвчний оношлогоонд зориулсан DAT PET зургийн 1,934 өгөгдлийг ашиглан AI загварыг сургасан. Дараа нь ‘эх үүслийн чичрэх & эхний үеийн Паркинсоны өвчний ангилал’, ‘Паркинсоны өвчин & олон системийн хумигдал & ахиц цөмийн саажилт ангилал’, ‘Паркинсоны өвчний хөдөлгөөнт шинж тэмдэг илрэх цагийн урьдчилсан таамаглал’ зэрэг гурван эмнэлзүйн ажлаар загварын гүйцэтгэлийг шалгасан.
Үүний үр дүнд Паркинсоны өвчийг ангилах хоёр баталгаажуулалтад тус тус 99.7%, 86.1%-ийн ялгах нарийвчлал бүртгэгдсэн бөгөөд Паркинсоны өвчний хөдөлгөөнт шинж тэмдэг илрэх цагийн урьдчилсан таамаглалд R² хамаарал (1-т ойр байх тусам нарийвчлалтай таамаглал) 0.519 үзүүлсэн байна. Судалгааны баг ялангуяа Паркинсоны өвчийг олон системийн хумигдал, ахиц цөмийн саажилтаас ялгах нь хамгийн хэцүү гэдэг нь мэдэгдсэн байдаг ч 86.1%-ийн ялгах нарийвчлал үзүүлсэн нь маш чухал ач холбогдолтой үр дүн гэж тайлбарласан.
Мөн Сөүл Асан эмнэлэг доторх өөр өөр PET зураг авах төхөөрөмж болон гадны эмнэлэгт авсан зургийн өгөгдөлд AI загварыг хэрэглэн гүйцэтгэлийг шалгасан. Үүний үр дүнд зургийн төхөөрөмж эсвэл эмнэлэг өөр байсан ч AI загварын гүйцэтгэл хадгалагдаж байгаа нь батлагдсан бөгөөд энэ нь уг технологийн бодит эмнэлзүйн талбарт хэрэглэх боломж, ерөнхий хэрэглээний чадварыг баталсан үр дүн гэж тайлбарлагдаж байна.
Жон Сонжу Сөүл Асан эмнэлгийн мэдрэлийн тэнхимийн профессор “Паркинсоны өвчний оношлогооны нарийвчлалыг дээшлүүлэх хувьсгалт технологийн хөгжил юм. Ялангуяа өвчтөнүүдийн хамгийн сониуч байдаг өвчний урьдчилсан байдлын талаарх урьдчилсан зургийг үүсгэж чадах учир цаашид эмнэлзүйн хэрэглээнд өвчтөнүүдэд бодитой тусламж үзүүлэх технологи болж хөгжихийг хүлээж байна” гэж хэлжээ.
Энэ удаагийн судалгааны үр дүн олон улсын эрдэм шинжилгээний сэтгүүл ‘Селл Рипортс Медисин (Cell Reports Medicine, ишлэлийн индекс 11.7)’-д саяхан нийтлэгдсэн байна.
