Modelele de inteligenţă artificială (AI) antrenate pe seturi mari de date sunt tot mai des văzute drept un element-cheie către tratamente personalizate pentru afecţiunile cerebrale. Cu toate acestea, există limitări legate de costuri. Acest lucru ridică o întrebare esenţială: este mai eficient din punct de vedere al costurilor să fie scanaţi mai mulţi oameni pentru un timp scurt sau mai puţini oameni pentru un timp mai îndelungat?
Un studiu publicat în revista Nature, condus de conf. univ. dr. Thomas Yeo de la Centrul pentru Somn şi Cogniţie, Şcoala de Medicină Yong Loo Lin, Universitatea Naţională din Singapore (NUS Medicine), oferă acum un răspuns clar: scanările fMRI (imagistică prin rezonanţă magnetică funcţională) de 30 de minute pot reduce costurile cu până la 22% şi în acelaşi timp menţin - sau chiar îmbunătăţesc - acurateţea predicţiilor.
Noua cercetare ar putea influenţa viitorul studiilor din neurologie şi psihiatrie şi ar putea ghida eforturile naţionale şi internaţionale de a oferi îngrijire medicală personalizată şi accesibilă.
În neuroştiinţele tradiţionale, accentul a fost pus pe colectarea unor seturi masive de date, prin scanarea a mii de persoane pentru durate scurte, de obicei în jur de 10 minute pentru fMRI.
Apoi, modelele AI sunt antrenate pentru a folosi aceste scanări în scopul realizării unor predicţii la nivel individual, cum ar fi abilităţile cognitive (memorie, funcţie executivă), indicatorii de sănătate mintală sau rezultatele clinice (precum riscul de boală Alzheimer).
Totuşi, pe măsură ce numărul participanţilor creşte, cresc şi costurile: chiar şi o scanare scurtă devine scumpă atunci când se iau în calcul costurile ascunse legate de recrutare, programare şi gestionarea administrativă a voluntarilor. În plus, scanările scurte pot să nu surprindă suficientă informaţie de calitate pentru predicţii fiabile.
Echipa de cercetători a pus o întrebare practică: ce s-ar întâmpla dacă ne-am concentra pe scanarea unui număr mai mic de persoane, dar pentru perioade mai lungi?
Colaborând cu cercetători din întreaga lume, inclusiv prof. Thomas Nichols de la Universitatea Oxford şi prof. Nico Dosenbach de la Universitatea Washington din St. Louis, cercetătorii au dezvoltat un model matematic care prezice cum modificările duratei scanării şi ale numărului de participanţi influenţează performanţa modelelor AI bazate pe imagistica cerebrală.
Aceştia şi-au validat modelul folosind nouă seturi internaţionale de date imagistice, care au inclus mii de persoane de vârste, etnii şi stări de sănătate variate.
Cercetătorii au descoperit că modelul poate fi folosit pentru a personaliza designul studiilor astfel încât să se optimizeze acurateţea predicţiilor şi să se minimizeze costurile.
Scanarea fiecărei persoane timp de 30 de minute reprezintă un punct optim între precizie şi eficienţă financiară.
„Am urmărit cohorte din ce în ce mai mari fără să ne întrebăm cât timp ar trebui scanată fiecare persoană. Noi arătăm că, în imagistica cerebrală, ‘mai mare’ nu trebuie să însemne doar mai multe persoane. Poate însemna şi mai multe date de la fiecare persoană”, a spus conf. univ. dr. Yeo.
Această descoperire ar putea schimba modul în care cercetătorii îşi proiectează studiile din neuroştiinţă şi psihiatrie, mai ales în cazul populaţiilor greu de recrutat, cum ar fi pacienţii cu afecţiuni neurologice rare.
Echipa îşi perfecţionează acum modelul folosind date clinice reale şi tehnologii imagistice emergente. Scopul cercetătorilor este să faciliteze şi mai mult proiectarea unor studii cerebrale mai inteligente şi mai eficiente din punct de vedere al costurilor, pentru cercetători şi sisteme de sănătate din întreaga lume.
