طور باحثون في مستشفى ماونت سيناي خوارزمية متقدمة تعتمد على الذكاء الاصطناعي لتحليل تسجيلات الفيديو المأخوذة من اختبارات النوم السريرية، حققت هذه التقنية الرائدة دقة تشخيص تصل إلى 92% لاضطراب سلوك النوم الحركي في مرحلة حركة العين السريعة (REM Sleep Behavior Disorder – RBD).

أهمية التقنية الجديدة

يعتمد هذا الابتكار على تحليل دقيق للحركات أثناء النوم، مما يتيح تشخيصا مبكرا للأمراض المرتبطة باضطرابات النوم، مثل مرض باركنسون والخرف.

ما هو اضطراب سلوك النوم الحركي؟

اضطراب RBD هو حالة تتميز بحركات غير طبيعية أو تمثيل الأحلام فعليا أثناء مرحلة REM من النوم، غالبا ما يكون هذا الاضطراب مؤشرا مبكرا للإصابة بأمراض عصبية خطيرة.

التحديات في التشخيص التقليدي

صعوبة التعرف على الأعراض أو الخلط بينها وبين أمراض أخرى.

الحاجة إلى اختبارات نوم شاملة تُجرى في مراكز طبية متخصصة.

البيانات المسجلة بالفيديو نادرا ما تُراجع أو تُحلل بعد الاختبار.

استطاع فريق ماونت سيناي تطوير طريقة آلية تعتمد على التعلم الآلي لتحليل تسجيلات الفيديو المأخوذة بكاميرات ثنائية الأبعاد (2D)، تقدم هذه الطريقة تصنيفا دقيقا للحركات أثناء النوم وتحديد معايير إضافية، مما يرفع دقة التشخيص إلى مستويات غير مسبوقة.

دمج التقنية في الممارسات الطبية

صرح الدكتور إيمانويل دورينغ، أستاذ مشارك في طب الأعصاب وطب النوم في كلية إيكان للطب بماونت سيناي:

'يمكن دمج هذه الطريقة في سير العمل الطبي أثناء تفسير اختبارات النوم لتجنب التشخيصات الخاطئة وتعزيز دقة التشخيص.'

تخصيص خطط العلاج

يمكن استخدام هذه التقنية لتحديد شدة الحركات أثناء النوم، مما يساعد الأطباء على تصميم خطط علاج مخصصة لكل مريض.

تضمنت الدراسة تسجيلات لنحو 80 مريضا يعانون من اضطراب RBD ومجموعة تحكم من 90 مريضًا يعانون من اضطرابات نوم أخرى أو لا يعانون من أي اضطرابات.

استخدمت الخوارزمية تحليل حركات البكسلات بين إطارات الفيديو المتتالية لتحديد الحركات أثناء نوم REM

تحليل شامل للحركات من حيث السرعة، النسبة، الحجم، وشدة الحركة.

تحقيق أعلى نسبة دقة تصل إلى 92% مقارنةً بالدراسات السابقة.

مستقبل التقنية

يعتزم الباحثون تحسين الخوارزمية لاختبارها على نطاق أوسع وتوسيع تطبيقاتها لتشمل تشخيص اضطرابات نوم متعددة. كما يتوقع أن تساهم هذه التقنية في تحسين الرعاية الصحية للأفراد وتقديم رؤى أكثر دقة عن اضطرابات النوم.