تظهر نتائج مقال الدكتور "عبد الحسين رضائي"، عضو هيئة التدريس في قسم الهندسة الكهربائية في جامعة العلوم والثقافة، بعنوان "تقنيات التعلم الآلي في التنبؤ بالتصلب المتعدد عبر تخطيط كهربية الدماغ (EEG)"، الذي نُشر في مجلة الهندسة الطبية الحيوية: التطبيقات والأساس والاتصالات، التي تصدرها World Scientific بمؤشر Web of Science (ISI)، أن هذه الطريقة يمكن أن تكون بديلاً فعالاً للطرق التقليدية والمكلفة مثل التصوير بالرنين المغناطيسي.

واقترح الباحثون أيضًا أن الجمع بين بيانات تخطيط كهربية الدماغ (EEG) ومعلومات أخرى لحركة المريض قد يزيد من دقة التشخيص بشكل أكبر.

قام "عبد الحسين رضائي"، عضو هيئة التدريس في قسم الهندسة الكهربائية بجامعة العلوم والثقافة الإيرانية، مع فريق من الباحثين الإيرانيين، بالتحقيق في أساليب التعلم الآلي للتشخيص المبكر لمرض التصلب العصبي المتعدد من خلال تحليل إشارات تخطيط كهربية الدماغ (EEG).

وتشير الدراسات التي أجريت في هذا المقال إلى أن طرق تشخيص التصلب المتعدد (MS) التقليدية، مثل التصوير بالرنين المغناطيسي، مكلفة وتستغرق وقتا طويلا، وأحيانا غير قابلة للتكرار. وفي المقابل، فإن استخدام تخطيط كهربية الدماغ (EEG) بالتزامن مع تقنيات التعلم الآلي يمكن أن يوفر تشخيصا منخفض التكلفة، سريعا ودقيقا.

تظهر النتائج أيضًا أن الباحثين تمكنوا من تقليل معدل خطأ التشخيص لهذا المرض باستخدام تقنيات مثل تقسيم نطاقات تخطيط كهربية الدماغ (EEG) ومعالجة البيانات في مجالات الوقت والتردد. وقد تمهد هذه النتائج الطريق أمام أبحاث مستقبلية لتطوير أدوات تشخيصية أكثر تقدما.

يؤكد مؤلفو هذه الدراسة على الحاجة إلى جمع مجموعات بيانات أوسع من مجرد تخطيط كهربية الدماغ (EEG)، ويقترحون أنه في المستقبل، قد يؤدي الجمع بين تخطيط كهربية الدماغ (EEG) وبيانات أخرى، مثل تحليل حركة المريض، إلى زيادة دقة التشخيص بشكل أكبر.

وبناءا على ذلك، فإن التطورات الأخيرة في مجال الذكاء الاصطناعي والهندسة الطبية يمكن أن تشكل خطوة كبيرة نحو التشخيص السريع والعلاج الأفضل لمرض التصلب المتعدد (MS).