새로운 AI 도구는 대학 운동 선수의 "보이지 않는" 뇌 손상을 발견하는 데 도움이 될 수 있습니다.

[이매진]

새로운 AI 도구는 대학 운동 선수의 "보이지 않는" 뇌 손상을 발견하는 데 도움이 될 수 있습니다.

https://scitechdaily.com/new-ai-tool-may-help-spot-invisible-brain-damage-in-college-athletes/

New AI Tool May Help Spot “Invisible” Brain Damage in College Athletes

주제:인공 지능뇌MRI신경 과학뉴욕 대학교스포츠 의학

NYU LANGONE HEALTH / NYU GROSSMAN SCHOOL OF MEDICINE 작성 2023년 7월 19일

AI 도구는 운동선수의 반복적인 머리 부상으로 인한 미묘한 뇌 구조 변화를 성공적으로 감지하여 시간이 지남에 따라 이러한 부상에 대한 진단과 이해를 향상시킬 수 있습니다.

학생 운동선수를 대상으로 한 새로운 연구에서 자기 공명 영상(MRI) 처리에 능숙한 인공 지능 컴퓨터 프로그램이 반복적인 두부 손상으로 인한 뇌의 구조적 변화를 성공적으로 감지할 수 있음이 밝혀졌습니다. 이러한 변화는 이전에는 컴퓨터 단층 촬영(CT) 스캔과 같은 기존의 의료 영상 방법으로는 감지되지 않았습니다. 연구원들에 따르면, 이 획기적인 기술은 시간이 지남에 따라 축적되는 미묘한 뇌 손상을 더 잘 이해하기 위한 새로운 진단 도구의 개발에 도움이 될 수 있습니다.

전문가들은 젊은 운동선수들, 특히 축구, 하키, 축구와 같이 접촉이 많은 스포츠를 하는 선수들 사이에서 뇌진탕의 잠재적 위험에 대해 오랫동안 알고 있었습니다. 머리에 반복적으로 충격이 가해지면 처음에는 경미하게 나타나더라도 수년에 걸쳐 누적되어 인지 기능 상실로 이어질 수 있다는 증거가 현재 늘어나고 있습니다. 고급 MRI는 두부 외상으로 인한 뇌 구조의 미세한 변화를 식별하지만 연구원들은 스캔이 탐색하기 어려운 방대한 양의 데이터를 생성한다고 말합니다.

NYU Grossman School of Medicine 의 방사선과 연구원들이 이끄는 새로운 연구는 기계 학습 이라는 AI 기술을 사용하는 새로운 도구가 다음과 같은 접촉 스포츠를 하는 남성 운동선수의 뇌를 정확하게 구별할 수 있음을 처음으로 보여주었습니다. 축구 대 육상과 같은 비접촉 스포츠. 결과는 뇌진탕 진단을 받지 않은 접촉 스포츠 선수의 뇌에서 반복되는 머리 충격과 작은 구조적 변화를 연결했습니다.

"우리의 연구 결과는 접촉 스포츠를 하는 운동선수와 비접촉 스포츠에서 경쟁하는 선수의 뇌 사이에 의미 있는 차이를 발견했습니다. NYU Langone Health의 방사선과 교수이자 연구 부의장인 Lui는 "우리는 이 그룹이 유사한 뇌 구조를 가질 것으로 예상하기 때문에 이러한 결과는 한 스포츠를 다른 스포츠보다 선택하는 데 위험이 있을 수 있음을 시사합니다."라고 덧붙였습니다.

Lui는 잠재적인 손상을 발견하는 것 외에도 조사에 사용된 기계 학습 기술이 전문가가 뇌 손상의 기본 메커니즘을 더 잘 이해하는 데 도움이 될 수 있다고 덧붙였습니다.

The Neuroradiology Journal 에 최근 발표된 이 새로운 연구는 36명의 접촉 스포츠 대학 선수(대부분 축구 선수)와 45명의 비접촉 스포츠 대학 선수(대부분 주자 및 야구 선수)의 수백 장의 뇌 이미지를 포함했습니다. 이 작업은 축구 선수의 뇌 스캔에서 AI 도구가 감지한 변화를 머리 충격과 명확하게 연결하기 위한 것이었습니다. 그것은 축구 선수의 뇌 구조 차이를 확인한 이전 연구를 기반으로 뇌진탕이 있는 선수와 없는 선수를 비접촉 스포츠에서 경쟁한 선수와 비교했습니다.

조사를 위해 연구원들은 2016년에서 2018년 사이에 촬영된 81명의 남자 운동선수의 MRI 스캔을 분석했으며, 그 중 누구도 해당 기간 동안 알려진 뇌진탕 진단을 받지 못했습니다. 접촉 스포츠 선수는 축구, 라크로스, 축구를, 비접촉 스포츠 선수는 야구, 농구, 육상, 크로스컨트리에 참가했습니다.

분석의 일환으로 연구팀은 컴퓨터 프로그램이 수학적 모델을 사용하여 반복되는 머리 충격에 대한 노출을 예측하는 방법을 "학습"할 수 있는 통계 기술을 설계했습니다. 이들은 훈련 데이터의 양이 증가함에 따라 프로그램이 "더 똑똑해짐"과 함께 제공된 데이터 예제를 기반으로 했습니다.

연구팀은 뇌 조직의 특이한 특징을 식별하고 이러한 요인을 기반으로 머리 부상에 반복적으로 노출된 선수와 그렇지 않은 선수를 구별하도록 프로그램을 훈련했습니다. 또한 손상을 감지하는 데 각 기능이 얼마나 유용한지 순위를 매겨 진단에 가장 많이 기여할 수 있는 많은 MRI 메트릭을 찾는 데 도움이 되었습니다.

저자들은 두 가지 지표가 머리 부상으로 인한 구조적 변화를 가장 정확하게 표시했다고 말합니다. 첫 번째 평균 확산도는 물이 뇌 조직을 통해 얼마나 쉽게 이동할 수 있는지를 측정하며 종종 MRI 스캔에서 뇌졸중을 발견하는 데 사용됩니다. 두 번째 평균 첨도는 뇌 조직 구조의 복잡성을 검사하고 학습, 기억 및 감정과 관련된 뇌 부분의 변화를 나타낼 수 있습니다.

"우리의 결과는 이전에는 볼 수 없었던 것, 특히 기존 MRI 스캔에는 나타나지 않는 '보이지 않는 부상'을 볼 수 있도록 도와주는 인공 지능의 힘을 강조합니다. NYU Tandon 공과대학. "이 방법은 뇌진탕뿐만 아니라 보다 미묘하고 빈번한 머리 충격으로 인한 손상을 감지하는 데 중요한 진단 도구를 제공할 수 있습니다."

Chen은 연구 팀이 여성 운동 선수의 머리 부상을 조사하기 위해 기계 학습 기술의 사용을 조사할 계획이라고 덧붙였습니다.

참조: Junbo Chen, Sohae Chung, Tianhao Li, Els Fieremans, Dmitry S. Novikov, Yao Wang 및 Yvonne W. Lui, 2023년 5월 22일 작성 , 신경방사선학 저널 .
DOI: 10.1177/19714009231177396