محققان روش جدیدی را برای پیش‌بینی زوال عقل با دقت بیش از ۸۰ درصدی و تا ۹ سال زودتر از بروز علائم ابداع کرده‌اند. به گفته محققان این آزمایش جدید روشی دقیق‌تر برای پیش‌بینی زوال عقل نسبت به دو روش رایج تست‌های حافظه یا اندازه‌گیری کوچک‌شدن مغز محسوب می‌شود.
براساس گزارش گاردین و مقاله منتشرشده در نیچر، محققان کوئین مری دانشگاه لندن آزمایشی برای پیش‌بینی زوال عقل از 9 سال زودتر ایجاد کرده‌اند. آن‌ها با تجزیه‌و‌تحلیل اسکن‌های fMRI مربوط به «شبکه حالت پیش‌فرض» مغز (DMN) می‌توانند زوال عقل را با حدود 80 درصد دقت تشخیص دهند. به گفته محققان در این روش تنها یک اسکن مغزی ساده، که حدود 10 دقیقه طول می‌کشد، در کنار آزمایش‌های خونی نیاز است.
گفتنی است که شبکه DMN مناطقی از مغز را برای انجام عملکردهای شناختی خاص به یکدیگر متصل می‌کند و اولین شبکه عصبی است که تحت تأثیر بیماری آلزایمر قرار می‌گیرد.
آزمایش جدید برای تشخیص زودهنگام زوال عقل
زوال عقل" class="wp-image-1651470" srcset="https://static.digiato.com/digiato/2024/06/cropped-view-senior-man-playing-39175829-1024x683.jpg.webp 1024w, https://static.digiato.com/digiato/2024/06/cropped-view-senior-man-playing-39175829-300x200.jpg.webp 300w, https://static.digiato.com/digiato/2024/06/cropped-view-senior-man-playing-39175829-350x233.jpg.webp 350w, https://static.digiato.com/digiato/2024/06/cropped-view-senior-man-playing-39175829.jpg.webp 1300w" sizes="(max-width: 1024px) 100vw, 1024px">به گزارش مرکز کنترل و پیشگیری از بیماری‌ها، 5.8 میلیون آمریکایی به بیماری آلزایمر و زوال عقل مبتلا هستند و پیش‌بینی می‌شود که این تعداد تا سال 2060 به 14 میلیون نفر افزایش یابد. به‌همین دلیل تشخیص زودهنگام این بیماری می‌تواند کمک بسیاری به افراد کند.
البته هیچ آزمایش واحدی نمی‌تواند زوال عقل را تشخیص دهد؛ بااین‌حال محققان کوئین مری دانشگاه لندن می‌گویند سیستم آن‌ها قابل اعتمادتر از روش‌های رایج دیگر است. این محققان از اسکن‌های fMRI بیش از 1100 داوطلب در پایگاه داده Biobank بریتانیا برای بررسی ارتباط بین 10 ناحیه از مغز که شبکه حالت پیش‌فرض را تشکیل می‌دهند، استفاده کردند.
از بین داوطلبان، 81 نفر دچار زوال عقل شدند. محققان از الگوریتم‌های هوش مصنوعی برای شناسایی تغییرات DMN استفاده کردند تا افراد را در دسته‌های در معرض خطر یا سالم طبقه‌بندی کنند. اکنون مدل حاصل می‌تواند افراد در معرض خطر را با دقت 80 درصد تا 9 سال زودتر شناسایی کند.
تغییر در اتصالات مغز نیز با عوامل خطرِ ازپیش شناخته‌شده مانند عوامل ژنتیکی بیماری آلزایمر و انزوای اجتماعی مرتبط بوده است.
